Согласно исследованию, опубликованному в журнале Radiology, сложный тип искусственного интеллекта (ИИ) может превзойти существующие модели в прогнозировании риска развития рака молочной железы.
Большинство существующих программ скрининга рака молочной железы основаны на маммографии через одинаковые промежутки времени для всех женщин. Этот подход не оптимизирован для выявления рака на индивидуальном уровне и может снизить эффективность программ скрининга.
«Прогнозирование риска является важным компонентом индивидуальной политики скрининга, - говорит ведущий автор исследования Карин Дембровер, доктор медицинских наук, рентгенолог из Каролинского института в Стокгольме, Швеция. - Эффективное прогнозирование риска может улучшить уверенность в программах скрининга».
Высокая плотность груди или большее количество железистой и соединительной ткани по сравнению с жиром считается фактором риска развития рака. Хотя плотность может быть включена в оценку риска, существующие модели прогнозирования могут не в полной мере использовать информацию, содержащуюся в маммографии. Эта информация может выявить женщин, которым будет полезен дополнительный скрининг с помощью МРТ.
Доктор Дембровер и его коллеги разработали модель риска, основанную на глубокой нейронной сети, типе ИИ, который может извлекать огромное количество информации из маммографических изображений. Он обладает существенными преимуществами по сравнению с такими методами, как визуальная оценка маммографической плотности рентгенологом, который не всегда может учесть всю относящуюся к риску информацию на изображении.
Новая модель разработана на основе случаев, диагностированных в период между 2008 и 2012 годами, а затем изучалась на более 2000 женщинах в возрасте от 40 до 74 лет, которые прошли маммографию в Каролинском университете. Из 2283 женщин, участвовавших в исследовании, у 278 был позднее диагностирован рак молочной железы.
Глубинная нейронная сеть показала более высокую точность риска рака молочной железы по сравнению с маммографией. Ложноотрицательный показатель у нейронной сети при этом был ниже.
«Глубинная нейронная сеть в целом предоставляла лучшие показатели, чем модели на основе плотности, - говорит доктор Дембровер. - Более агрессивные подтипы рака не оказали негативного влияния на его прогнозирующую точность».
Результаты исследования подтверждают будущую роль ИИ в оценке риска рака молочной железы. «Мы не сообщаем о маммографической плотности, - говорит доктор Дембровер. – При индивидуальном скрининге мы используем сети глубинного обучения, способные прогнозировать рак, а не выбираем косвенный путь, который предлагают показатели плотности».
В качестве дополнительного преимущества подход ИИ можно постоянно улучшать, предоставляя более качественные наборы данных.
«Наши эксперты по глубинному обучению в Королевском технологическом институте в Стокгольме работают над улучшением модели, - говорит доктор Дембровер. - После этого мы планируем клиническое тестирование модели, предлагая МРТ женщинам, которые получат наибольшую пользу от этого».
Источник: https://www.sciencedaily.com/releases/2019/12/191219090741.htm
Комментарии
Пока комментариев нет
Новый комментарий