TAKAPO TEB | BREAST HEALTH & AI

AI IN BREAST CANCER SCREENING

هوش مصنوعی؛ شناسایی نشانه‌های سرطان پستان تا ۶ سال پیش از تشخیص

وقتی هوش مصنوعی در ماموگرافی، فراتر از آنچه امروز دیده می‌شود را بررسی می‌کند.

پژوهشی در سوئد نشان می‌دهد که سیستم‌های هوش مصنوعی می‌توانند الگوهای ماموگرافیک مرتبط با سرطان پستان را سال‌ها پیش از تشخیص بالینی شناسایی و به‌عنوان نشانه‌ای برای بررسی دقیق‌تر مشخص کنند.

A NEW PERSPECTIVE ON EARLY DETECTION

هوش مصنوعی چگونه نشانه‌های پنهان سرطان پستان را شناسایی می‌کند؟

یک مطالعه علمی در سوئد نشان می‌دهد که هوش مصنوعی می‌تواند الگوهای ظریف و پنهانی را در تصاویر ماموگرافی شناسایی کند که سال‌ها پیش از تشخیص قطعی سرطان پستان در تصاویر وجود داشته‌اند.

در این پژوهش، محققان ۸۸٬۹۶۳ بررسی ماموگرافی متعلق به ۳۱٬۳۹۴ فرد را که بین سال‌های ۲۰۰۸ تا ۲۰۱۹ ثبت شده بودند، بررسی کردند. سه سیستم تجاری هوش مصنوعی در تشخیص به کمک رایانه (AI-CAD) برای تحلیل تصاویر به کار گرفته شدند.

نتایج نشان داد که امتیازهای تولیدشده توسط این سیستم‌ها در افرادی که بعدها به سرطان پستان مبتلا شدند، حتی در ماموگرافی‌های سال‌های پیش از تشخیص نیز بالاتر بود.

KEY FINDINGS

شناسایی نشانه‌های مرتبط با سرطان، سال‌ها پیش از تشخیص

یکی از مهم‌ترین یافته‌های این پژوهش، توانایی سیستم‌های هوش مصنوعی در شناسایی الگوهای مرتبط با سرطان پستان تا چندین سال پیش از تشخیص بالینی بود.

با در نظر گرفتن ویژگی (Specificity) معادل ۹۰ درصد، بیشترین درصد افراد مبتلا به سرطان که توسط یکی از سه سیستم در هر بازه زمانی در گروه دارای امتیاز بالاتر قرار گرفتند، به شرح زیر بود:

از تصویر امروز تا تشخیص در آینده

مقادیر درصدی، بیشترین نتیجه گزارش‌شده در بین سه سیستم AI در هر بازه زمانی هستند؛ نه یک روند پیش‌بینی فردی یا احتمال ابتلای قطعی.

هوش مصنوعی چه چیزی را در ماموگرافی می‌بیند؟

نکته مهم این است که هوش مصنوعی در این پژوهش الزاماً یک توده واضح یا ضایعه‌ای با مرز مشخص را شناسایی نمی‌کرد؛ بلکه امتیازهای حاصل از تحلیل الگوهای تصویری ماموگرافی را بررسی می‌کرد.

این الگوها ممکن است برای چشم انسان آشکار نباشند یا در بررسی معمول، به‌عنوان یافته‌ای قطعی تفسیر نشوند. افزایش امتیاز AI در تصاویر پیشین می‌تواند نشانه‌ای برای توجه بیشتر، بررسی تکمیلی یا ارزیابی دقیق‌تر در آینده باشد.

با این حال، این پژوهش به‌تنهایی ثابت نمی‌کند که هر الگوی شناسایی‌شده، پیش‌ساز مستقیم یک تومور بوده یا اینکه همه موارد سرطان را می‌توان سال‌ها زودتر تشخیص داد.

THE FUTURE OF SCREENING

اهمیت این یافته در آینده غربالگری سرطان پستان

نتایج این پژوهش نشان می‌دهد که هوش مصنوعی می‌تواند اطلاعاتی را از تصاویر پزشکی استخراج کند که در ارزیابی معمول به‌سادگی قابل شناسایی نیستند.

این قابلیت ممکن است در آینده به شناسایی افرادی کمک کند که تصاویر ماموگرافی آن‌ها حاوی نشانه‌هایی از افزایش خطر سرطان در سال‌های بعد است. چنین رویکردی می‌تواند زمینه را برای توسعه برنامه‌های غربالگری شخصی‌سازی‌شده فراهم کند؛ به‌گونه‌ای که فاصله زمانی و نوع بررسی‌های تکمیلی متناسب با میزان خطر هر فرد تعیین شود.

در این چشم‌انداز، یک تصویر ماموگرافی ممکن است علاوه بر ارائه اطلاعات درباره وضعیت فعلی پستان، داده‌هایی ارزشمند برای ارزیابی خطر در آینده نیز در اختیار متخصصان قرار دهد.

مشخصات مقاله علمی

ADDITIONAL CLINICAL EVIDENCE

نتایج کارآزمایی MASAI؛ هوش مصنوعی در برنامه واقعی غربالگری

در کارآزمایی تصادفی‌سازی‌شده MASAI در سوئد، عملکرد غربالگری ماموگرافی با کمک هوش مصنوعی با روش استاندارد خوانش دوگانه توسط رادیولوژیست‌ها مقایسه شد. نتایج اولیه این کارآزمایی در مطالعات پیشین منتشر شده و تحلیل نرخ سرطان‌های فاصله‌ای در ژانویه ۲۰۲۶ در مجله The Lancet منتشر شد.

در تحلیل اولیه، در گروه غربالگری با کمک هوش مصنوعی ۲۹ درصد سرطان بیشتر نسبت به روش استاندارد شناسایی شد و حجم خوانش تصاویر ۴۴٫۲ درصد کاهش یافت. در تحلیل منتشرشده در The Lancet، نرخ سرطان‌های فاصله‌ای در گروه AI برابر با ۱٫۵۵ مورد در هر هزار نفر و در گروه کنترل ۱٫۷۶ مورد در هر هزار نفر بود.

نسبت نرخ ۰٫۸۸ نشان‌دهنده نرخ مشاهده‌شده پایین‌تر در گروه AI است؛ اما نتیجه اصلی تحلیل، غیرکمتر بودن عملکرد روش AI نسبت به روش استاندارد در معیار سرطان فاصله‌ای بود و این تفاوت به‌عنوان کاهش قطعی و معنادار آماری اثبات نشد.

مشخصات مقاله تحلیل سرطان‌های فاصله‌ای: Gommers J, et al. The Lancet. 2026;407(10527):505–514.

DOI: 10.1016/S0140-6736(25)02464-X

THE KEY MESSAGE

ماموگرافی فقط تصویری از امروز نیست؛ ممکن است نشانه‌هایی از آینده را نیز در خود داشته باشد.

هوش مصنوعی می‌تواند الگوهای ظریفی را در تصاویر ماموگرافی شناسایی کند که با ارزیابی معمول به‌سادگی قابل تشخیص نیستند. این فناوری ظرفیت کمک به ارزیابی دقیق‌تر خطر و توسعه رویکردهای شخصی‌سازی‌شده در غربالگری سرطان پستان را دارد.

محدودیت‌ها و نکات علمی مهم

• مطالعه شش‌ساله یک پژوهش گذشته‌نگر است و نتایج آن به معنی امکان پیش‌بینی قطعی سرطان در یک فرد نیست.
• اعداد گزارش‌شده در ویژگی ۹۰ درصد، عملکرد سه سیستم در شرایط مشخص مطالعه را نشان می‌دهند و نباید به‌عنوان حساسیت کلی یا احتمال ابتلای فرد تفسیر شوند.
• امتیاز بالاتر AI به‌تنهایی تشخیص سرطان محسوب نمی‌شود و نیازمند ارزیابی بالینی و تصویربرداری مناسب است.
• کاربرد گسترده این رویکردها در برنامه‌های غربالگری به مطالعات آینده‌نگر، اعتبارسنجی خارجی و ارزیابی پیامدهای بالینی نیاز دارد.

تکاپوطب؛ همراه با توسعه فناوری‌های نوین تشخیص

پیشرفت در تصویربرداری پستان و به‌کارگیری هوش مصنوعی، افق‌های تازه‌ای را برای بهبود کیفیت غربالگری و پشتیبانی از تصمیم‌گیری رادیولوژیست‌ها ایجاد کرده است.

تکاپوطب با تمرکز بر فناوری‌های تشخیص پزشکی و راهکارهای نوین حوزه سلامت، بر اهمیت آگاهی علمی، شناخت قابلیت‌ها و محدودیت‌های فناوری و استفاده مسئولانه از نوآوری‌های تشخیصی تأکید دارد.

منابع علمی و مطالعه بیشتر

1. Hickman S, et al. Artificial Intelligence Detection Scores in Screening Mammography for Early Breast Cancer Alerts. Radiology. 2026;319(3):e251309.
   https://doi.org/10.1148/radiol.251309
2. Gommers J, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study. The Lancet. 2026;407(10527):505–514.
   https://doi.org/10.1016/S0140-6736(25)02464-X
3. Hologic. Breast Health AI Solutions.
   Hologic Breast Health AI Solutions

این مطلب با هدف اطلاع‌رسانی علمی تهیه شده و جایگزین مشاوره پزشکی، تشخیص یا توصیه فردی برای غربالگری نیست. تصمیم‌گیری درباره زمان و روش غربالگری باید بر اساس شرایط فرد و نظر متخصص انجام شود.