ИИ уменьшил число случаев ложной диагностики рака легких

Проблема ложноположительных результатов

Рак легких является основной причиной смертности от рака во всем мире. Скрининг это ключ к раннему выявлению и увеличению выживаемости больных, но текущий метод имеет вероятность ложных результатов.

Используя машинное обучение, исследователи из Питтсбургcкого университета и Ракового центра Хиллмана при Университете Пьера и Марии Кюри (UPMC Hillman Cancer Center)нашли способ существенно снизить количество ложных срабатываний, не пропуская ни одного случая заболевания раком.

Исследование было опубликовано в журнале Thorax. Это первый раз, когда искусственный интеллект был применен к вопросу о том, как отделить доброкачественные образования от раковых узлов при скрининге рака легких.

«Мы смогли исключить рак примерно у трети пациентов, поэтому им не потребовались биопсия, сканирование ПЭТ или компьютерная томография с коротким интервалом. Им просто нужно вернуться через год », - говорит старший автор Дэвид Уилсон (David Wilson), доктор медицинских наук, доктор медицинских наук, доцент медицины, кардиоторакальной хирургии и клинической и трансляционной медицины в Питтсбургском университете и содиректор Центра рака легких при UPMC Hillman.

Низкодозированная компьютерная томография (КТ) это стандартный диагностический тест для диагностики рака легких, который проходят люди в зоне высокого риска. По всей стране примерно на четверти таких сканов обнаруживаются тени, указывающие на узелки в легких.

Это классифицируется как положительный результат, но на деле менее 4% таких пациентов оказываются больны. Сейчас, по словам Уилсона, невозможно только по данным сканирования узнать, входит ли пациент в эти 4 процента. Уилсон замечает, что, разумеется, врачи не хотят пропустить какие-либо реальные случаи рака, но они также пытаются снизить число ложноположительных результатов.

«Положительный тест создает тревогу, увеличивает расходы на здравоохранение, а последующие тесты также не застрахованы от ошибок», - говорит соавтор исследования Панайотис (Такис) Бенос (Panayiotis (Takis) Benos) , доктор медицины (Ph.D), профессор и заместитель директора по вычислительной и системной биологии и заместитель директора Программы интегративных биологических систем в Питтсбурге.

«Для 96 процентов людей с доброкачественными узлами эти процедуры не нужны. Поэтому мы пытаемся найти данные, позволяющие отличать доброкачественные и злокачественные».

Как работает новая система диагностики

Уилсон, Бенос и их коллеги собрали данные низкодозированных КТ у 218 пациентов центра Хиллманас высоким риском, у которых впоследствии было подтверждено наличие рака легких или доброкачественных узелков.

Затем они подали данные в алгоритм машинного обучения - разновидного искусственного интеллекта - для создания модели, которая рассчитывает вероятность рака. Если она ниже определенного порога, модель исключает рак.

Сравнивая оценку модели с фактическими диагнозами этих пациентов, исследователи обнаружили, что они смогли бы уберечь 30 процентов людей с доброкачественными узлами от прохождения дополнительных тестов, не пропустив ни одного реального случая рака.

По словам Беноса, тремя факторами, которые были наиболее важны для модели, являются количество кровеносных сосудов, окружающих узелок, количество узелков, и количество лет, прошедших с момента, когда пациент бросил курить.

«Несмотря на то, что уже было известно, что опухоли привлекают больше сосудистой поддержки, мы впервые смогли использовать компьютерные технологии для количественной оценки их значимости в прогнозах, и ее включения в модель прогнозов, которая с большой долей уверенности выявляет пациентов, у которых нет рака», - сказал Уилсон.

«Следующий шаг - оценить эту технику в больших группах, и мы уже начали это делать, используя около 6000 сканов из Национального скрининга легких (National Lung Screening Trial)».