Искусственный интеллект точно предсказывает риск возникновения рака легких
Согласно исследованию, программа искусственного интеллекта (ИИ) точно прогнозирует риск того, что узелки в легких, обнаруженные при скрининговом КТ, станут злокачественными.
По данным ВОЗ, рак легких является ведущей причиной смерти от рака во всем мире. По оценкам организации, в 2020 году умерло около 1,8 миллиона человек. КТ грудной клетки с низкой дозой используется для скрининга людей с высоким риском рака легких, таких как давние курильщики. Было показано, что он значительно снижает смертность от рака легких, в первую очередь за счет помощи в обнаружении рака на ранней стадии, когда его легче успешно лечить.
Хотя рак легких обычно проявляется в виде легочных узелков на КТ-изображениях, большинство узелков являются доброкачественными и не требуют дальнейшего клинического обследования. Поэтому точное различие между доброкачественными и злокачественными узелками имеет решающее значение для раннего выявления рака.
Для нового исследования ученые разработали алгоритм оценки узелков в легких с использованием глубокого обучения - приложения искусственного интеллекта, способного находить определенные закономерности в данных изображений.
Исследователи обучили алгоритм на КТ-изображениях более 16 000 узлов, в том числе 1 249 злокачественных новообразований, из Национального исследования легких. Они проверили алгоритм на трех больших наборах данных визуализации узелков из датского исследования рака легких.
Алгоритм ИИ дал отличные результаты, превзойдя установленную общеканадскую модель раннего обнаружения рака легких для оценки риска злокачественного новообразования в легких. Его выполнили 11 врачей, в том числе четыре торакальных рентгенолога, пять врачей-рентгенологов и два пульмонолога.
"Алгоритм может помочь радиологам в точной оценке риска злокачественных новообразований легочных узелков. Это может помочь в оптимизации рекомендаций для участников скрининга рака легких", - сказал ведущий автор исследования Киран Вайдхья Венкадеш.
По словам исследователей, алгоритм потенциально принесет клинике несколько дополнительных преимуществ. Исследователи планируют продолжать улучшать алгоритм, включая такие клинические параметры, как возраст, пол и история курения.
Они также работают над алгоритмом глубокого обучения, который принимает в качестве входных данных несколько обследований компьютерной томографии. Текущий алгоритм хорошо подходит для анализа узелков на начальном или исходном скрининге, но для узелков, обнаруженных при последующих проверках, важны рост и внешний вид по сравнению с предыдущим КТ.
Доктор Джейкобс и его коллеги разработали другие алгоритмы для надежного извлечения признаков изображения из КТ грудной клетки, связанных с хроническими обструктивными заболеваниями легких и сердечно-сосудистыми заболеваниями.
Ученые намерены исследовать, как эффективно интегрировать эти функции визуализации в текущий алгоритм.
