Штучний інтелект краще за людей виявляє рак легенів
Дослідники застосували глибокий алгоритм для точного виявлення раку легенів за допомогою комп’ютерної томографії. Результати дослідження вказують на те, що штучний інтелект може перевершити оцінку цих сканувань людиною.
За останніми оцінками, рак легенів спричинює майже 160 000 смертей у США. Захворювання є основною причиною смерті від раку в США, і раннє виявлення має вирішальне значення як для зупинки розповсюдження пухлин, так і для поліпшення результатів пацієнтів.
В якості альтернативи рентгену грудної клітки медичні працівники останнім часом використовують комп’ютерну томографію (КТ) для скринінгу на рак легенів.
Насправді, деякі вчені стверджують, що КТ перевершує рентгенівські промені для виявлення раку легенів, і дослідження показали, що, зокрема, КТ з низькими дозами (ЛДКТ) зменшила смертність від раку легенів на 20%.
Однак високий рівень помилкових спрацьовувань та помилкових негативних результатів все ще загадує процедуру НРСР. Ці помилки, як правило, затримують діагностику раку легенів, поки хвороба не досягне глибокої стадії, коли її стає занадто складно лікувати.
Нові дослідження можуть захистити від цих помилок. Група вчених використовувала методи штучного інтелекту (ШІ) для виявлення пухлин легенів при скануванні ЛРНТ.
Даніель Це, член групи досліджень здоров’я Google у Маунтін-В'ю, Каліфорнія, є автором-кореспондентом дослідження, результати якого з’являються в журналі Природна медицина.
"Модель перевершила всі шість рентгенологів"
Tse та його колеги застосували форму ШІ, яка називається глибоким навчанням, до 42290 сканувань LDCT, доступ до яких вони отримали з Північно-Західного електронного сховища даних та інших джерел даних, що належать лікарням Північно-Західної медицини в Чикаго, штат Іллінойс.
Алгоритм глибокого навчання дозволяє комп’ютерам вчитися на прикладах. У цьому випадку дослідники навчали систему, використовуючи первинне сканування ЛДЗТ разом із попереднім скануванням ЛДКТ, якщо воно було доступне.
Попередні сканування ЛРНТ корисні, оскільки вони можуть виявити ненормальний темп росту легеневих вузлів, вказуючи тим самим на злоякісність.
У поточному дослідженні ШІ забезпечив «автоматизовану систему оцінки зображень», яка точно передбачала злоякісність легеневих вузлів без будь-якого втручання людини.
Дослідники порівняли оцінки ШІ з оцінками шести сертифікованих радами американських рентгенологів, які мали до 20 років клінічного досвіду.
Коли попередні сканування ЛРНТ були недоступні, ШІ "перевершила всі шість рентгенологів з абсолютним скороченням на 11% у помилково спрацьованих і на 5% у помилкових негативних результатах", повідомляють Це та його колеги. Коли були доступні попередні знімки, ШІ виконував так само добре, як і рентгенологи.
Співавтор дослідження д-р Моззіяр Етемаді, доцент кафедри анестезіології з Медичного факультету Північно-Західного університету імені Файнберга в Чикаго, пояснює, чому ШІ може перевершити оцінку людини.
"Радіологи, як правило, досліджують сотні 2D-зображень або" зрізів "за одне КТ, але ця нова система машинного навчання розглядає легені у величезному, єдиному 3D-зображенні", - говорить доктор Етемаді.
«ШІ в 3D може бути набагато чутливішим за здатністю виявляти ранній рак легенів, ніж людське око, дивлячись на 2D-зображення. Це технічно «4D», оскільки це не лише розгляд одного КТ, але й двох (поточного та попереднього) протягом часу ».
Доктор Моззіяр Етемаді
"Для того, щоб побудувати ШІ для перегляду КТ таким чином, Вам потрібна величезна комп'ютерна система масштабу Google", - продовжує він. "Концепція нова, але власне її розробка також нова завдяки масштабу".
Доктор Етемаді продовжує вихваляти переваги використання технології глибокого навчання, підкреслюючи її точність. "Система може класифікувати ураження з більшою конкретністю", - говорить дослідник.
"Ми не тільки можемо краще діагностувати когось із раком, ми також можемо сказати, якщо хтось не хворіє на рак, потенційно позбавляючи його від інвазивної, дорогої та ризикованої біопсії легенів", - підсумовує доктор Етемаді.
Однак дослідники застерігають, що спочатку необхідно підтвердити ці результати у більших когортах.
