Искусственный интеллект впервые предсказал метастазирование по МРТ снимкам молочной железы

В успешно проведенном исследовании по глубокому обучению ИИ ученые смогли с помощью относительно небольшого набора данных выработать алгоритм для повышения диагностической ценности МРТ изображений. В статье, опубликованной в журнале Journal of Digital Imaging, рассказывается о работе группы исследователей, обучивших программу для прогнозирования вероятности развития метастазов в подмышечных лимфатических узлах пациентов при раке молочной железы.

«С помощью высокоточной медицины лечение может быть проведено с максимально эффективностью и минимальным вредом для пациента, – сказал Ричард С. Ха, директор по исследовательской и учебной работе отделения визуальной диагностики молочных желез Медицинского центра Колумбийского университета. – Обычная биопсия очень эффективна, но потенциально может давать осложнения».

В своем исследовании команда ученых рассмотрела 275 подмышечных лимфатических узлов, разделенных примерно поровну на положительные и отрицательные результаты. С помощью программного кода, разработанного в ходе исследования, была достигнута средняя пятикратная прогностическая точность перекрестной проверки в 84.3 процента. Он пояснил, что последние достижения в области вычислительных технологий на графических процессорах позволили разработать искусственные сети, которые могут видеть типовые структуры и отличительные черты в цифровых изображениях. Это позволяет классифицировать изображения с помощью ИИ приложения, которое было использовано в исследовании для сортировки метастатических и неметастатических лимфатических узлов.

«Целью нашего исследования было использование цифровых данных в МРТ-изображениях для распознавания метастатических лимфатических узлов, чтобы минимизировать в будущем операции на подмышечных узлах из-за появления осложнений», – объяснил Ха.

Он подчеркнул, что в своем исследовании ученые только попытались оценить возможность применения сверточных нейронных сетей для прогнозирования метастазирования в лимфатических узлах. На следующем этапе команда соберет больший набор обучающих данных для дальнейшего совершенствования своего алгоритма, чтобы в конечном итоге использовать его в проспективном клиническом испытании.

Это был первый случай применения ИИ для прогнозирования метастазов в подмышечных лимфатических узлах. «Применив в нашем исследовании глубокое машинное обучение с использованием алгоритма сверточных нейронных сетей, мы смогли получить разумную диагностическую эффективность при прогнозировании метастазирования подмышечных лимфатических узлов, даже с небольшим набором данных, – пишут в заключении авторы исследования. – Больший набор данных, вероятно, улучшит нашу модель прогнозирования и потенциально может стать неинвазивной альтернативой пункционной биопсии и, возможно, использоваться для оценки состояния сторожевого лимфатического узла».