- Новый искусственный интеллект Модель (ИИ) использует двойной подход для одновременного анализа различных представлений компьютерной томографии, подобно тому, как работают врачи, но без необходимости переключения между точками зрения.
- Исследователи обучили модель на сканах здоровых людей и больных раком легких, чтобы различать нормальные ткани, доброкачественные изменения и злокачественные опухоли.
- Этот подход может помочь улучшить раннее выявление рака легких, особенно в тех случаях, когда опухоли небольшие и их труднее идентифицировать.
- Хотя перед клиническим использованием необходима дальнейшая проверка, исследователи предполагают, что это может повысить точность и эффективность диагностики.
Рак легких – это
Ранняя диагностика рака легких имеет решающее значение, поскольку она значительно повышает выживаемость. По оценкам, 5-летняя выживаемость может увеличиться примерно с 10% на поздних стадиях до более чем 90% на ранних стадиях.
Первым шагом в диагностике рака легких часто является использование инструментов визуализации, таких как компьютерная томография. Однако диагностика рака легких на ранней стадии с помощью компьютерной томографии может быть сложной задачей из-за небольшого размера опухолей, сходства с окружающими структурами и человеческой ошибки в интерпретации.
Теперь исследование, опубликованное в
Новый подход к чтению компьютерной томографии
Исследователи из Каунасского технологического университета (КТУ) разработали модель искусственного интеллекта, которая анализирует компьютерную томографию, одновременно оценивая как мелкие детали, так и более широкий анатомический контекст. Этот подход призван отразить то, как врачи будут интерпретировать эти медицинские изображения.
Традиционно рентгенологу приходилось переключаться между видами при просмотре КТ-изображений. Но этот процесс может занять много времени и увеличить риск пропуска тонких деталей при сканировании.
Таким образом, система ИИ стремится преодолеть это ограничение, интегрируя обе точки зрения в единый аналитический процесс.
Исследовательская группа предполагает, что модель искусственного интеллекта способна оценивать локальные особенности, такие как небольшие узелки, а также учитывать их положение и значение во всем легком.
В пресс-релизе автор исследования Инзамам Масхуд Насир, доктор философии, объяснил, что «вы можете думать об этом как о наличии увеличительного стекла и одновременном полном обзоре сканирования».
Чтобы создать систему, команда обучила модель искусственного интеллекта, используя компьютерную томографию как здоровых людей, так и пациентов с раком легких. Это позволило модели искусственного интеллекта различать нормальные ткани, доброкачественные изменения и злокачественные опухоли.
Система достигла точности более 96 %, превзойдя существующие подходы и сохранив стабильную производительность в различных тестах.
Этот подход к двухмасштабному обучению может быть особенно полезен при выявлении рака легких на ранней стадии, когда опухоли обычно малы по размеру и их труднее обнаружить.
Потенциальные преимущества и проблемы
Рак легких остается ведущей причиной смертности от рака во всем мире, во многом потому, что его часто диагностируют на поздних стадиях. Более раннее выявление тесно связано с лучшими результатами, поэтому улучшение инструментов скрининга является основным направлением текущих исследований.
«Потенциальное воздействие — улучшение согласованности и, возможно, более раннее выявление подозрительных результатов, что может способствовать более раннему вмешательству», — сказал Насир. Медицинские новости сегодня.
«Однако влияние на уровень выявления и результаты лечения пациентов по-прежнему нуждается в проспективной клинической проверке», — добавил он.
Системы на базе искусственного интеллекта все чаще исследуются для обеспечения точности и уменьшения вариативности в интерпретации сканирования.
Исследователи KTU предполагают, что их модель искусственного интеллекта может помочь врачам, повысив точность диагностики, уменьшив вероятность пропущенных поражений и ускорив анализ изображений. Это также может помочь уменьшить количество ложных тревог, которые могут привести к ненужному стрессу и процедурам.
«С точки зрения клинического использования, это лучше всего можно было бы охарактеризовать как инструмент поддержки принятия решений или инструмент второго чтения для рентгенологов, помогающий выявлять подозрительные компьютерные томограммы и поддерживающий расстановку приоритетов, а не заменяющий клиническое суждение», — сказал автор исследования Юнчан Ким, доктор философии, МНТ.
Однако исследователи отмечают, что модель обучалась на относительно ограниченном наборе данных. Они добавляют, что дальнейшее тестирование в реальных условиях по-прежнему необходимо, особенно в более крупных и разнообразных группах пациентов.
Заглядывая в будущее
Хотя новая модель все еще находится на стадии исследований и требует клинической проверки и реальных испытаний, она подчеркивает растущую роль ИИ в медицинской визуализации.
Точно копируя то, как врачи интерпретируют результаты сканирования, такие системы могут в конечном итоге стать ценными инструментами для раннего выявления рака легких, потенциально улучшая показатели выживаемости за счет более раннего вмешательства.
«Основными проблемами перед практическим использованием являются возможность обобщения, внешняя валидация, интеграция рабочего процесса и более широкое клиническое внедрение», — рассказал автор исследования Самия Наваз Юсуфзай, BSSE. МНТ.
«Наше исследование использовало относительно небольшой набор данных и не включало внешнюю проверку на независимой когорте», — отметила она.
Команда также предполагает, что аналогичные подходы ИИ могут быть применены к другим задачам медицинской визуализации, которые также требуют как детального, так и контекстуального понимания, например, при опухолях головного мозга, раке молочной железы и заболеваниях глаз.
«Следующим естественным шагом будет тестирование на более крупных многоцентровых наборах данных и сотрудничество с больницами и радиологическими отделениями для проспективной проверки или проверки в реальном времени», — заключил Насир.