ماموجرافي بمساعدة ذكاء اصطناعي

ماموجرافي بمساعدة ذكاء اصطناعي يُوظّف شبكات عصبية تلافيفية عميقة (CNNs) مدرّبة على مجموعات بيانات معلّمة كبيرة لتحديد آفات مشتبهة، حساب درجات خطر سرطان ومساعدة تفسير طبيب أشعّة. خوارزميات حديثة (Lunit INSIGHT MMG، Therapixel MammoScreen، Hologic Genius AI، ScreenPoint Transpara) تحقّق قيم AUC منفردة 0.90-0.96 مماثلة لأطبّاء أشعّة خبراء.

نماذج دمج تدفّق عمل تشمل: ذكاء اصطناعي كقارئ ثانٍ (يستبدل أحد طبيبَي أشعّة في أنظمة قراءة ثنائية شائعة في أوروبا)، ذكاء اصطناعي كفرز (إعطاء أولوية لحالات عالية خطر لمراجعة معجّلة)، ذكاء اصطناعي كدعم قرار (إبراز موجودات مشتبهة داخل تدفّق عمل طبيب أشعّة)، وذكاء اصطناعي كتحرّي مسبق منفرد (تصفية حالات منخفضة خطر جدًّا من مراجعة طبيب أشعّة كلّيًا).

دراسات تطلّعية كبرى (MASAI سويد، ScreenTrustCAD سويد، PERFORMS مملكة متّحدة، EVOLVE كوريا) تُظهر أن تعزيز ذكاء اصطناعي يحسّن معدّل كشف سرطان 13-20% مع تقليل عبء قراءة 30-50%. استدعاءات إيجابية كاذبة تبقى مماثلة أو محسّنة قليلًا. قيود تشمل تنوّع أداء عبر كثافة ثدي، اعتمادات مصنّع، نطاق موافقة تنظيمية (2D، 3D DBT، كليهما)، تحدّيات قابلية تفسير وحاجة لتحقّق تطلّعي عالم واقع. دمج مع نماذج خطر (Tyrer-Cuzick، BCSC، خطر متعدّد جينات قائم على ذكاء اصطناعي) يُتيح فترات تحرّي مفرّدة.