Может ли искусственный интеллект спрогнозировать риск развития рака?

Низкодозная компьютерная томография (НКТ) – один из наиболее эффективных методов скрининга рака легкого. Однако эффективность метода не определяется исключительно "средством", т.е. КТ томографом, и во многом зависит от человеческого фактора – опыта и нагрузки на врача-радиолога, типа патологии и др.

На сегодняшний день FDA уже одобрено более 300 инструментов ИИ для использования в радиологии, и недавно появился еще один, способный прогнозировать вероятность развития рака легкого по данным НКТ – сверточная нейросеть Sybil. Алгоритм уже протестирован на трех наборах данных размером до 12 тыс. пациентов. Точность алгоритма достигает 94% при предсказании вероятности развития рака в течение одного года и до 80% – в течение шести лет.

Современные компьютерные технологии меняют диагностику в онкологии

Россия не отстает от мировых тенденций. В Москве с 2020 года реализуется крупнейший в мире проект по внедрению ИИ в лучевую диагностику – Московский Эксперимент. Одним из 21 направлений проекта является поиск признаков рака легкого на данных КТ и НДКТ органов грудной клетки. Почему это важно? Известно, что применение автономного ИИ позволяет снизить нагрузку с врачей-рентгенологов на 86%: врачу передаются на анализ только те исследования, в которых есть какие-либо патологические изменения.

В рамках Московского Эксперимента уже обработано более 10 млн исследований. Еще один продукт отечественной компании «IRA Labs» способен определять 14 типов патологий (более 100 лучевых биомаркеров) на исследованиях КТ органов грудной клетки.

В рамках национального проекта «Здравоохранение» и государственной программы «Развитие здравоохранения» в 2023 году планируется внедрение не менее 1 решения на основе ИИ для здравоохранения и не менее 3-х в 2024 году в каждом регионе.

Своевременная диагностика, моделирование и учет: цифровые решения в онкологии

Цифровые решение в онкологии необходимы не только онкологам: до 80% пациентов с онкологическим диагнозом ранее обращались к врачам первичного звена по поводу различных заболеваний: от ССЗ (артериальная гипертензия 39-50%, сердечная недостаточность 10-18%) до сахарного диабета (11-16%), а каждый пятый наблюдался у врача по поводу коморбидных заболеваний (напр., ожирения, ХОБЛ, астмы, анемии, патологий ЖКТ и др.).

Решение для врачей поликлинического профиля представила Петербургская IT-компания и разработчик сервисов цифрового здравоохранения «ТехЛАБ». Система на основе непрерывного машинного обучения предназначена для оценки неспецифических симптомов онкологических заболеваний: врач в процессе сбора анамнеза сможет вносить жалобы пациента в специальную анкету, которая будет проверять набор симптомов на соответствие придикторам развития какой-либо формы рака. Если система обнаружит соответствие, врачу будет рекомендовано назначить пациенту дополнительные исследования.

Ученые из Сеченовского университета предложили решение для следующих этапов – диагностики и планирования лечения. Новый метод «цифровой биопсии» на основе ИИ позволяет выявлять признаки злокачественных новообразований в медицинских изображениях, а метод 3D-моделирования позволит получить модель органа на основе данных мультиспиральной КТ и спланировать алгоритм операции.

Новый МРТ-маркер рака молочной железы

Авторы статьи, опубликованной в журнале Radiology, использовали алгоритм глубокого обучения, чтобы оценить взаимосвязь между МРТ-сигналом от паренхимы молочной железы (background parenchymal enhancement, BPE), отражающим уровень фиброграндулярной ткани и плотность груди, и риском развития рака молочной железы (РМЖ). Предположения ученых подтвердились: повышение индекса BPE было связано с увеличением частоты РМЖ, независимо от возраста и ИМТ. При этом, чем выше были значения индекса, тем выше была частота РМЖ.

Еще больше новостей о разработках в области медицинского ИИ в онкологии – на странице проекта "Медицина в точке бифуркации".
 

Материал подготовлен в рамках проекта «Медицина в точке бифуркации». Проект поддержан грантом Минобрнауки России в рамках федерального проекта «Популяризация науки и технологий»