- Model AI konvolusional menunjukkan AUC 84 persen untuk prevalensi 20 persen.
- Hasil lebih baik dalam deteksi imbang dan tidak seimbang dengan AUC 72 persen.
- FCDD model tunjukkan spesifikasi spasial lebih baik untuk hasil radiolog.
Potensi Model AI dalam Deteksi Kanker Payudara
Model AI yang sepenuhnya konvolusional untuk mendeteksi anomali pada MRI payudara menunjukkan hasil yang menjanjikan, bahkan di dataset dengan prevalensi kanker yang sangat rendah. Dalam penelitian terbaru di jurnal Radiology, badan penelitian mengungkapkan bahwa model tersebut meraih 84 persen AUC di grup seimbang dengan 20 persen prevalensi keganasan, sementara di grup tidak seimbang dengan prevalensi 1,85 persen, model menunjukkan AUC sebesar 72 persen. Ini menandakan bahwa ada potensi besar bagi model AI yang dapat dijelaskan untuk meningkatkan akurasi deteksi kanker payudara.
Model FCDD Mengungguli BCE dalam Uji Deteksi
Dalam studi retrospektif ini, peneliti membandingkan model FCDD dengan model cross-entropy biner (BCE) di tiga populasi yang berbeda. Ini mencakup dataset pengembangan yang melibatkan 5.026 pasien, 9.567 MRI payudara, serta dataset internal 171 uji dan dataset eksternal melibatkan 221 pemeriksaan. Hasilnya menunjukkan bahwa model FCDD tidak hanya lebih baik dalam hal deteksi, tetapi juga konsisten lebih unggul dibandingkan model BCE di berbagai pengujian, dengan AUC yang lebih tinggi baik untuk pengujian internal maupun eksternal.
Akurasinya Menjanjikan untuk Radiolog dan Klinik
Para penulis menjelaskan bahwa model FCDD tidak hanya menawarkan akurasi yang lebih tinggi, tetapi juga menunjukkan kesepakatan spasial yang lebih baik dibandingkan dengan model BCE. Prinsipnya, peta penjelasan dari model FCDD memiliki spesifikasi yang lebih tinggi dan keakuratan spasial yang baik, dua sifat yang sangat diinginkan agar keluaran model dapat berguna bagi para radiolog. Dengan keunggulannya, model ini menunjukkan nilai prediktif positif yang lebih tinggi saat membandingkan sensitivitas dan spesifisitas yang sama sebagai model BCE.
Model FCDD untuk deteksi anomali pada MRI payudara menunjukkan hasil yang mengesankan, mengungguli BCE dalam banyak aspek terutama ruang lingkup dan keakuratan. Studi ini mengungkapkan bahwa penggunaan AI untuk deteksi kanker payudara bisa memberi kontribusi signifikan pada diagnosis yang lebih tepat. Dengan itu, pendekatan ini berpotensi mengurangi jumlah pemeriksaan lanjutan yang tidak perlu demi efisiensi dan efektivitas pelayanan kesehatan.
