Медицина

Машинное обучение улучшит диагностику рака груди

© Kateryna Kon/Science Photo Library/Getty Images

Новая система машинного обучения может выявлять уплотнения в грудной ткани, которые мешают выявлять следы рака на снимках и представляют собой отдельный фактор риска для появления этой болезни. Алгоритм более чем в 90% случаев выдавал такой же ответ, как и профессиональные медики.

Новая система машинного обучения может выявлять уплотнения в грудной ткани, которые мешают выявлять следы рака на снимках и представляют собой отдельный фактор риска для появления этой болезни. Алгоритм более чем в 90% случаев выдавал такой же ответ, как и профессиональные медики. Результаты опубликованы в журнале Radiology.

Повышенная плотность грудной ткани может указывать на рак молочной железы. В настоящее время такого рода диагнозы ставят только люди, и разные врачи могут определять, насколько опасно то или иное уплотнение, по-разному. В связи с этим ученые стараются придумать менее субъективный инструмент диагностики.

В новой работе исследователи предлагают использовать для этой цели компьютерную систему на основе машинного обучения. «Мы хотели создать точный и последовательный инструмент, который можно использовать во всей системе здравоохранения», — говорит соавтор работы Адам Яла из Массачусетского технологического института (США). Авторы тренировали систему на базе данных, в которой более чем 58 000 маммограмм — результатов сканирования молочных желез. Для обучения нейросети использовали 41 000 снимков, а для тестирования — около 8600.

Результаты работы системы машинного обучения, анализировавшей уплотнения грудной ткани

© Radiological Society of North America

С января 2018 года систему тестировали в Массачусетской больнице общего профиля, где врачу для анализа вместе со снимком предоставлялся результат работы программы, который человек мог отвергнуть или подтвердить. Авторы отмечают, что подобную систему в обычной клинической практике используют впервые. В исследовании рассказывается о результатах оценки 10 763 маммограмм. Когда по результатам анализа снимки нужно было разделить на два основных типа: с неоднородной и плотной тканью или преимущественно жировой, врачи соглашались с алгоритмом в 94% случаев. Если же снимки нужно было классифицировать более детально, на четыре типа, вероятность совпадения снижалась до 90%.

Авторы очень вдохновлены результатами и надеются, что на основе подобных систем удастся создать стандартизованные методы оценки. «С помощью искусственного интеллекта у нас есть возможность обрабатывать огромные массивы информации и оказывать с их помощью персонализированную, подходящую для конкретного пациента помощь, — говорит ведущий автор работы Констанс Леман. — В случае рака молочной железы мы можем лучше предсказать вероятность его возникновения в будущем у конкретной женщины и увеличить шансы на успешное лечение».

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.