Согласно новому исследованию, опубликованному в журнале Radiology, ученые из двух крупных учреждений разработали новый инструмент с передовыми методами искусственного интеллекта для прогнозирования будущего риска развития рака молочной железы у женщин.
Выявление женщин с риском развития рака молочной железы является критически важным компонентом эффективного раннего выявления заболеваний. Тем не менее, доступные модели, в которых используются такие факторы, как семейный анамнез и генетика, далеки от прогнозирования вероятности того, что у женщины будет диагностировано заболевание.
Плотность груди, количество плотной ткани по сравнению с количеством жировой ткани в молочной железе при маммографии, является независимым фактором риска развития рака молочной железы, который был добавлен в некоторые модели для улучшения оценки риска. Он основан на субъективной оценке, поэтому глубинное обучение, когда компьютеры «учатся» на собственном примере, было изучено как способ стандартизации и автоматизации этих измерений.
«В маммографии гораздо больше информации, чем просто категории плотности груди, – говорит ведущий автор исследования Адам Яла из Массачусетского технологического института. – Используя модель глубинного обучения, мы узнаем тонкие сигналы, которые указывают на будущий рак».
Яла, в сотрудничестве с Реджиной Барзилай, экспертом по искусственному интеллекту, и Констанс Леман, доктором медицинских наук, начальником отдела визуализации молочных желез в Массачусетской больнице общего профиля в Бостоне, недавно сравнили три различных подхода для оценки рисков. Первая модель основывалась на традиционных факторах риска, вторая – на глубинном обучении, в котором использовалась только маммография, а третья – на гибридном подходе, включающем как маммографию, так и традиционные факторы риска в модели глубинного обучения.
Исследователи использовали почти 90 000 скрининговых маммографий высокого разрешения, полученных от 40 000 женщин, для обучения, проверки и тестирования модели глубинного обучения. Модели позволили существенно улучшить распознавание риска по сравнению с моделью Тайрера-Кьюзика, современным клиническим стандартом, который использует плотность груди при оценке риска. Сравнивая гибридную модель глубинного обучения с плотностью груди, исследователи обнаружили, что у пациентов с неплотной грудью и высоким уровнем риска, оцениваемым по модели, заболеваемость раком пациентов с плотной грудью и оцененным по модели низким риском была в 3,9 раза выше.
«В отличие от традиционных моделей, наша модель глубинного обучения одинаково подходит различным расам и возрастам», – говорит доктор Барзилай».
«В маммографии с полным разрешением содержится очень много информации, которую модели риска рака молочной железы не могли использовать до недавнего времени, – добавляет Яла. –Используя глубинное обучение, мы можем научиться использовать эту информацию непосредственно из данных и создавать модели, которые значительно более точны для разных групп населения».
Измерения плотности груди с помощью искусственного интеллекта уже используются для скрининга. Исследователи отслеживают его эффективность в клинике, одновременно работая над совершенствованием способов передачи информации о риске женщинам и их врачам.
«Недостающим элементом для поддержки более эффективных, более персонализированных программ скрининга являются инструменты оценки рисков, которые легко внедрить, – говорит доктор Леман. – Мы довольны результатами и стремимся тесно сотрудничать с нашими системами здравоохранения и, самое главное, с нашими пациентами, чтобы включить это открытие в улучшение результатов для всех женщин».
Источник: https://medicalxpress.com/news/2019-05-artificial-intelligence-method-future-breast.html
Комментарии
Пока комментариев нет
Новый комментарий