Исследователи из Лаборатории компьютерных наук и искусственного интеллекта Массачусетского технологического института (CSAIL) и Массачусетской больницы общего профиля (MGH) создали новую модель глубокого обучения, которая может улучшить раннее выявление рака молочной железы.
Система может сказать по маммограмме, есть ли вероятность того, что у пациентки разовьется рак молочной железы в течение пяти лет в будущем. Скрининг рака молочной железы является важным инструментом раннего выявления рака молочной железы и снижения смертности, связанной с раком молочной железы.
ИИ может помочь восполнить нехватку врачей
Скрининги в настоящее время очень трудоемки из-за большого количества женщин, нуждающихся в сканировании. В некоторых частях мира, в том числе в США, не хватает высококвалифицированных рентгенологов, проводящих скрининг молочных желез, что привело к разработке систем искусственного интеллекта, которые могут выполнять некоторые задачи, связанные с оценкой маммограмм.
Новая система MIT прошла обучение на маммограммах и исходах более 60 000 пациентов; из этих данных алгоритм изучил тонкие закономерности в тканях молочной железы, которые являются предшественниками злокачественных опухолей. Создатели системы надеются, что с ее помощью поздняя диагностика рака молочной железы останется в прошлом.
Скрининг на основе оценки риска более точен
Система поможет врачам разработать индивидуальные планы управления рисками для женщин, которые определят, как часто они должны проходить скрининг. В настоящее время Американское онкологическое общество рекомендует ежегодный скрининг, начиная с 45 лет, США.
Proventive Task Force рекомендует проводить скрининг каждые два года, начиная с 50-летнего возраста. Но для женщин с высоким риском этого может быть недостаточно.
«Вместо того, чтобы использовать универсальный подход, мы можем персонализировать скрининг в зависимости от риска развития рака у женщины», - говорит Барзилай, старший автор новой статьи о проекте, опубликованном сегодня в Радиология.
«Например, врач может порекомендовать одной группе женщин проходить маммографию раз в два года, а другой группе повышенного риска - дополнительное МРТ-обследование».
Система более точная, чем традиционные методы
Барзилай - профессор Delta Electronics в CSAIL и факультете электротехники и компьютерных наук Массачусетского технологического института, а также член Института интегративных исследований рака им. Коха в Массачусетском технологическом институте. Система точно поместила 31 процент всех больных раком в категорию самого высокого риска, по сравнению с 18 процентами в традиционных моделях.
Система доказывает, что стратегии скрининга могут определяться факторами риска, а не только возрастом. Ранее фактор риска развития рака молочной железы у женщины определялся комбинацией возраста, семейного анамнеза рака молочной железы и яичников, гормональных и репродуктивных факторов, а также плотности груди.
Алгоритмы обнаруживают слишком тонкие для человека закономерности
Эти маркеры слабо связаны с фактическим развитием рака молочной железы, и скрининг, основанный на оценке риска, не получил широкой поддержки. Команда Массачусетского технологического института/MGH разработала модель глубокого обучения, которая может выявлять на маммограммах закономерности, способствующие развитию рака в будущем. Обучившись более чем 90 000 маммограмм, модель обнаружила структуры, слишком тонкие для человеческого глаза.
«С 1960-х годов рентгенологи заметили, что женщины имеют уникальные и широко варьирующиеся структуры ткани молочной железы, видимые на маммограмме», - говорит Леман.
“Эти паттерны могут отражать влияние генетики, гормонов, беременности, лактации, диеты, потери и набора веса.
Теперь мы можем использовать эту подробную информацию для более точной оценки рисков на индивидуальном уровне».
Модель также устранит разрыв в выявлении и лечении рака молочной железы между черными и белыми женщинами. Чернокожие женщины на 42% чаще умирают от рака груди, чем белые женщины, из-за множества факторов, включая доступ к здравоохранению.
Команда надеется, что система сможет стать стандартной частью здравоохранения в США и во всем мире.