Нейронная сеть может определить степень тяжести рака легких

Компьютерная томография (КТ) – это основной диагностический инструмент для оценки рака легких у пациентов. Теперь исследователи из Стэнфордского университета, финансируемые NIBIB, создали искусственную нейронную сеть, которая анализирует компьютерную томографию легких, чтобы предоставить информацию о степени тяжести рака легких, которая может определять варианты лечения.

КТ – важный диагностический инструмент для измерения местоположения, степени, размера и формы поражения легких, используемый для принятия терапевтических решений для пациентов с раком легких – наиболее распространенным смертельным злокачественным новообразованием у взрослых во всем мире. Однако анализ КТ изображений ограничивается тем, что видно человеческому глазу, а вариативность считывателя приводит к различиям в клинической помощи в разных онкологических центрах.

Многопрофильная группа экспертов в области биомедицинской информатики , радиологии, науки о данных, электротехники и радиационной онкологии объединилась для создания нейронной сети с машинным обучением под названием LungNet, предназначенной для получения согласованной, быстрой и точной информации от пациентов с компьютерной томографией легких. Группа работала со снимками взрослых с немелкоклеточным раком легкого (НМРЛ), на который приходится 85% диагнозов рака легкого.

«LungNet демонстрирует преимущества разработки и обучения инструментов машинного обучения непосредственно на медицинских изображениях пациентов», – сказал Ци Дуань, доктор философии, директор программы NIBIB по обработке изображений, визуальному восприятию и отображению. «Это выдающийся пример того, как технология машинного обучения может быть рентабельным подходом к расширению возможностей обнаружения, диагностики и лечения заболеваний».

Исследовательскую группу возглавил Оливье Геверт, доцент кафедры медицины в области исследований в области биомедицинской информатики из Стэнфорда, который специализируется на разработке методов машинного обучения для поддержки принятия биомедицинских решений с использованием многомасштабных биомедицинских данных.

«Количественный анализ изображений показал, что радиологические изображения, такие как компьютерная томография пациентов с раком легких, содержат больше полезной информации, чем то, что наблюдают радиологи», – пояснил Геварт. «Используя наборы данных компьютерной томографии из нескольких различных онкологических клиник, мы решили определить, можно ли научить нашу нейронную сеть точно и воспроизводимо анализировать сканированные изображения и предоставлять согласованную и полезную клиническую информацию».

Нейронная сеть под названием LungNet была обучена и оценены на четырех независимых когорт пациентов с НМРЛ из четырех медицинских центров, с каждым центром в среднем несколько сотен пациентов. Анализ LungNet точно предсказал общую выживаемость во всех четырех группах пациентов. LungNet также точно классифицировал доброкачественные узелки по сравнению со злокачественными и смогла дополнительно разделить узелки на предмет прогрессирования рака.

Исследовательская группа ожидает, что LungNet будет чрезвычайно ценным не только для классификации доброкачественных и злокачественных опухолей, но и для разделения пациентов на группы низкого, среднего и высокого риска. Это позволяет интенсифицировать лечение пациентов из группы высокого риска, а также сократить количество ненужных процедур для пациентов из группы низкого риска.

Результаты опубликованы в журнале Nature Machine Intelligence .

услуги нутрициологаАвтор сайта и статей: Наталья Степанова, нутрициолог-психолог, консультант по питанию и коррекции веса. Подробнее обо мне

Я в соц. сетях: Vk, Instagram.

Рейтинг
Еще статьи нутрициолога:
Adblock
detector