25 декабря 2019 г. 16:20

Модель глубокой нейронной сети, разработанная шведскими исследователями, предсказывает риск развития молочной железы точнее, чем стандартная модель риска, основанная на маммографической плотности.

Для получения информации о том, как проводят лечение рака молочной железы в Израиле лучшие специалисты страны, оставьте заявку и мы свяжемся с Вами в ближайшее время.

По сравнению с лучшей моделью измерения маммографической плотности, глубокая нейронная сеть показала более высокую ассоциацию с риском рака и сделала меньше ошибок среди женщин с агрессивным онкологическим заболеванием.

«Добавление маммографической плотности улучшило традиционные модели риска молочной железы. В нашем исследовании мы рассмотрели, может ли подход глубокого обучения извлечь дополнительную информацию, релевантную риску, из изображений» - отметили ученые из Каролинского университета в Стокгольме.

Они разработали и обучили нейронную сеть, используя данные маммографии от более чем 2 200 женщин, у 278 из которых впоследствии был диагностирован рак молочной железы.

Женщины, у которых развился рак молочной железы, были старше на момент выполнения маммографии (55,7 года против 54,6 года), имели больший участок с плотной тканью груди (38,2 см2 против 34,2 см2) и более высокий процент плотности молочной железы (25,6% против 24,0%).

Оценка риска глубокой нейронной сетью лучше предсказывала, какие женщины будут подвержены риску развития рака груди в будущем (отношение шансов 1,56; площадь под ROC-кривой 0,65), по сравнению с оценкой области плотной ткани и поправкой на возраст (отношение шансов 1,31; площадь под ROC-кривой 0,60).

В будущем исследователи планируют протестировать алгоритм в клиническом проспективном исследовании, которое они планируют провести в Стокгольме, и объединить его с алгоритмом компьютерного обнаружения опухолей.

Ученые убеждены, что инструменты искусственного интеллекта будут внедрены в клиническую практику для прогнозирования риска и обнаружения опухолей. В будущем ИИ будет способствовать более глубокому анализу изображений, а также уменьшению рабочей нагрузки для рентгенологов молочной железы.

Источник: https://www.medscape.com/viewarticle/922959

Рекомендуем к прочтению

Комментарии

Пока комментариев нет

Новый комментарий

обязательно

обязательно (не публикуется)