Как искусственный интеллект сможет спасти тысячи женщин от рака молочной железы?

Несколько тысяч женщин каждый год умирают от рака молочной железы. Если рак выявить при ранней стадии болезни, то есть очень высокие шансы в выздоровлении.

Маммография в настоящий момент является самым лучшим методом выявления опухоли, однако и он далеко не совершенный. Очень часто они выдают ложные результаты. Это может привести к ненужным биопсиям и операциям.

Одной из распространенных причин ложных показаний являются так называемые «высоко-рисковые» поражения, которые на маммограммах проявляют подозрительность. При проверке биопсией они имеют аномальные клетки. В этом случае пациент обычно подвергается хирургическому вмешательству, чтобы удалить поражение. Однако эти поражения оказываются доброкачественными в 90% случаев в хирургии. Это означает, что каждый год тысячи женщин проходят через болезненные, дорогие, операции, оставляющие шрамы, которые даже не нужны.

Как же предотвратить операции, которые не нужны? Исследователи из Массачусетского технологического института и общей больницы, а также Гарвардской медицинской школы считают, что необходимо применить искусственный интеллект (ИИ) для определения опухоли.

В качестве первого проекта по применению ИИ для увеличения эффективности диагностики и обнаружения рака, команды сотрудничали в разработке системы ИИ, которая обучает машину прогнозировать выявления злокачественных опухолей.

Из трехсот тридцати пяти злокачественных поражений искусственный интеллект смог в 97 процентах случаях определить ее. При этом можно сказать, что количество бесполезных операций уменьшились в тридцать раз.

«Из-за неточности аппаратов, врачи неправильно диагностируют рак молочной железы», — сказала Регина Барзилай, профессор электротехники и информатики Массачусетского технологического института. Ей знакома эта ситуация не понаслышке, так как она сама переборола рак молочной железы. «Когда есть такая неопределенность в данных, то машинное обучение — это

именно тот инструмент, который нам необходим для улучшения обнаружения и предотвращения ложных показаний».

Изучая информацию о более чем 600 существующих высоко-рисковых поражениях, искусственный интеллект ищет шаблоны из множества различных элементов данных, которые включают в себя демографические данные, семейную историю, прошлые биопсии и отчеты о патологии.

«Насколько нам известно, это первое исследование, посвященное применению машинного обучения для различения высоко-рисковых поражений, которые нуждаются в хирургическом вмешательстве, от доброкачественной опухоли», — сказала Констанция Леман, профессор Гарвардской медицинской школы и начальник отдела груди Отдел отдела радиологии MGH. «Мы считаем, что это поможет женщинам принимать более обоснованные решения об их лечении, и мы могли бы предложить более целенаправленные подходы к здравоохранению в целом».

Как искусственный интеллект спасает жизни людей?

Когда маммограмма обнаруживает подозрительное поражение, проводится биопсия иглы, чтобы определить, является ли опухоль злокачественной. Примерно 70 процентов поражений являются доброкачественными, 20 процентов — злокачественными, а 10 процентов — высоко-рисковыми.

Врачи принимают разные меры для поражений высокого риска. Некоторые делают операцию во всех случаях, в то время как другие выполняют хирургическое вмешательство только для поражений с более высокими показателями рака.

Первый подход требует, чтобы пациент проходил болезненную, трудоемкую и дорогостоящую операцию, которая обычно не нужна; второй подход является неточным и может привести к отсутствию раковых образований в случаях высокого риска.

Используя метод, известный как «классификатор случайных поисков», ИИ привел к меньшему количеству ненужных операций по сравнению со стратегией всегда выполняющей операции, а также была способна диагностировать злокачественные раковые поражения, чем стратегия только хирургического вмешательства.

«Эта работа подчеркивает пример использования передовых технологий машинного обучения, чтобы избежать ненужной операции», — говорит Марк Коли, директор клинической информатики в Отделе радиологии и биомедицинской визуализации в Калифорнийском университете в Сан-Франциско. «Это первый шаг к медицинскому сообществу, охватывающему машинное обучение, как способ выявления закономерностей и тенденций, которые в противном случае невидимы для людей».

«Раньше мы могли бы рекомендовать, чтобы все поражения высокого риска подвергались хирургическому удалению», — говорит Леман. «Однако теперь, если модель определяет, что поражение имеет очень низкую вероятность того, что она может быть злокачественной у конкретного пациента, мы можем провести более информированное обсуждение с нашим пациентом о вариантах лечения. Для некоторых пациентов может быть разумным, чтобы их поражения сопровождались визуализацией, а не хирургическим удалением ».

Модель может быть легко изменена, чтобы применяться к другим видам рака и даже к другим болезням.