ИИ позволяет быстро и точно обнаружить рак груди

Новая диагностика с применением искусственного интеллекта сможет быстро и точно подтверждать или исключать наличие рака молочной железы.

Исследователи Университета Южной Калифорнии, США, разработали физические модели получения синтетических данных, которые используются для усовершенствования алгоритмов машинного обучения – для быстрой и точной диагностики рака груди.

«Алгоритм, обученный на синтетических изображениях, будет использовать встроенную в них информацию, чтобы выявлять злокачественные новообразования, – говорит Ассад Оберай, профессор факультета аэрокосмического и механического инжиниринга Инженерной школы Витерби при Университете Южной Калифорнии. – Так как эти синтетически созданные изображения используют имеющиеся на сегодня знания об особенностях злокачественных новообразований (повышенная разнородность и нелинейность), алгоритм  будет диагностировать раковые опухоли на основании этой информации».

По статистике, во время обследований врачи пропускают почти каждую десятую женщину со злокачественными новообразованиями молочной железы. При этом примерно две трети женщин, ежегодно проходящих маммографию в течение 10 лет, ошибочно диагностируются, как больные раком и вынуждены проходить инвазивные процедуры (биопсию) для уточнения диагноза. Существуют, конечно, уточняющие методики, например, ультразвуковая эластография молочной железы, которая позволяет получить информацию о новообразованиях на основании плотности тканей. Но связанные с нею действия, необходимые для определения и количественной оценки отличительных особенностей новообразований для их классификации, очень сложны.

Используя 12 000 синтетических изображений, исследователи обучили алгоритм определять различные особенности, присущие как доброкачественным, так и злокачественным опухолям, для постановки правильного диагноза. Применив этот алгоритм для классификации структур в других синтетических изображениях, они добились почти 100 процентной достоверности, после чего перешли к реальным «снимкам». Программа сравнила результата анализа реальных изображений с данными биопсии и продемонстрировала 80 процентную точность.

Хотя Оберай считает, что алгоритм повысит точность диагностики и снизит количество ошибок, продиктованных человеческим фактором, он не верит, что программа может самостоятельно принимать решения и рассматривает ее, скорее, в качестве помощника для радиологов.

Он также говорит, что хотя синтетические изображения уступают реальным, они необходимы для обучения алгоритмов из-за недостаточного количества реальных изображений и данных. «Наилучшим сценарием было бы обучение алгоритма на комбинации синтетических и реальных изображений, – сказал он. – Синтетические изображения могут компенсировать нехватку реальных «снимков». А реальные изображения добавят ИИ знания о тех отличительных чертах новообразований, которые нам еще предстоит обнаружить».

Оберай и его команда вместе с профессором клинической радиологии Винай Дуддалваром из Школы медицины Кек при Университете Южной  в настоящее время используют на практике свой алгоритм для диагностики рака почек по КТ изображениям с контрастным усилением.

Результаты исследований были опубликованы в журнале Computer Methods in Applied Mechanics and Engineering.