Исследователи создали модель искусственного интеллекта, которая может точно идентифицировать рак на ранних стадиях его развития, что, по их словам, может ускорить диагностику заболевания и лечение пациентов.
Рак является основной причиной смерти во всем мире. По данным Всемирной организации здравоохранения, ежегодно от него умирает около 10 миллионов человек, или почти каждый шестой. Однако во многих случаях болезнь можно остановить, если её обнаружить на ранней стадии и быстро начать лечение.
Модель искусственного интеллекта, разработанная экспертами фонда Royal Marsden NHS, Института исследования рака в Лондоне и Имперского колледжа Лондона, может определить, являются ли аномальные новообразования, обнаруженные на компьютерной томографии (КТ), злокачественными. Результаты исследования были опубликованы в журнале Lancet eBioMedicine.
Команда использовала снимки КТ около 500 пациентов с большими узлами в лёгких для разработки алгоритма искусственного интеллекта с использованием радиомики. Этот метод может извлекать жизненно важную информацию из медицинских изображений, которые трудно заметить человеческому глазу. Затем модель ИИ была протестирована, чтобы определить, может ли она точно идентифицировать раковые узлы.
В исследовании использовалась мера, называемая площадью под кривой (AUC), чтобы увидеть, насколько эффективна модель для прогнозирования рака. AUC 1 указывает на идеальную модель, в то время как 0,5 можно было бы ожидать, если бы модель угадывала случайным образом. Результаты показали, что модель ИИ может определить риск рака каждого узла с AUC 0,87. Показатели улучшились по шкале Брока, которая в настоящее время используется в клинике и составила 0,67. Модель также работала сравнимо с оценкой Гердера — ещё одним тестом, у которого AUC составляла 0,83. Модель ИИ также может помочь врачам быстрее принимать решения о пациентах с аномальными новообразованиями, которые в настоящее время относятся к группе среднего риска.
Команда подчеркнула, что исследование все еще находится на ранней стадии. Прежде чем модель можно будет внедрить в системы здравоохранения, потребуются дополнительные испытания.
