Искусственный интеллект поможет врачам в диагностике рака молочной железы

Авторы нового исследования пришли к выводу, что искусственный интеллект (ИИ), обученный на миллионах скрининговых маммографических изображений, выявлял рак молочной железы с точностью примерно в 90% в сочетании с анализом рентгенологов. Исследование было опубликовано в научном журнале IEEE Transactions on Medical Imaging.

Актуальность исследования

Под руководством ученых из Медицинского факультета Нью-Йоркского университета (NYU School of Medicine) и Центра науки о данных Нью-Йоркского университета (NYU Center for Data Science) изучалась способность компьютерного обучения искусственного интеллекта — компьютерной программы — повысить точность диагностики, поставленной группой из 14 рентгенологов, изучавших 720 изображений маммографии.

«Наше исследование показало, что ИИ выявляет связанные с раком паттерны», — говорит старший автор исследования Кшиштоф Герас (Krzysztof Geras), сотрудник кафедры радиологии в Нью-Йоркском университете.

«ИИ обнаружил изменения на уровне пикселей в ткани, невидимые человеческому глазу, в то время как люди использовали формы рассуждения, недоступные для ИИ. Конечная цель нашей работы — улучшить диагностику, а не заменить радиологов», — добавляет Герас.

В 2014 году в Соединенных Штатах было проведено более 39 миллионов маммографических обследований для выявления женщин (без симптомов) на наличие рака молочной железы и определения тех, кто нуждается в более тщательном наблюдении. Женщины с положительными результатами маммографии направляются на биопсию, процедуру, которая удаляет небольшой образец ткани молочной железы для лабораторных исследований.

В новом исследовании ученые разработали статистические методы, которые позволяют их программе «учиться», как лучше справляться с заданием, не объясняя, как именно. Такие программы создают математические модели, которые позволяют принимать решения на основе примеров данных, вводимых в них, при этом программа становится «умнее», поскольку она просматривает все больше и больше данных.

Современные подходы к искусственному интеллекту, вдохновленные человеческим мозгом, используют сложные схемы для обработки информации, причем каждый шаг вводит информацию в следующий и придает большую или меньшую важность каждому фрагменту информации на этом пути.

Авторы исследования обучили свой инструмент ИИ на многих изображениях, сопоставленных с результатами биопсий, выполненных в прошлом. Их цель состояла в том, чтобы позволить инструменту помочь рентгенологам сократить количество биопсий, необходимых для подтверждения диагноза. Это может быть достигнуто только за счет повышения уверенности врачей в точности оценок, проведенных для скрининговых экзаменов (например, снижения ложноположительных и ложноотрицательных результатов).

Материалы и методы исследования

Для текущего исследования ученые проанализировали изображения, которые были собраны в рамках обычной клинической помощи в NYU Langone Health в течение 7 лет, просеивая собранные данные и связывая изображения с результатами биопсии. Эти усилия создали чрезвычайно большой набор данных для обучения их инструмента ИИ, состоящий из 229 426 цифровых маммографических экзаменов и 1 001 093 изображений. Большинство баз данных, используемых в исследованиях на сегодняшний день, были ограничены 10 000 изображениями или меньше.

Результаты научного исследования

Ученые обучили свою нейронную сеть, запрограммировали ее для анализа изображений с подтвержденным диагнозом рака из базы данных. Это означало, что исследователи знали «правду» каждого изображения маммографии (рак или нет), когда они проверяли точность программы, в то время как инструмент должен был угадать. Точность измерялась по частоте правильных прогнозов.

Кроме того, ученые разработали модель искусственного интеллекта, чтобы сначала рассмотреть очень маленькие участки изображения отдельно, чтобы создать тепловую карту, статистическую картину вероятности заболевания. Затем программа анализировала всю молочную железу на предмет структурных особенностей, связанных с раком, уделяя более пристальное внимание областям, отмеченным на тепловой карте на уровне пикселей.

Вместо того, чтобы исследователи идентифицировали функции изображения для своего ИИ для поиска, инструмент самостоятельно обнаруживает, какие функции изображения повышают точность прогнозирования. В будущем ученые планируют еще больше повысить эту точность, обучив программу искусственного интеллекта большему количеству данных, возможно, даже выявляя изменения в ткани молочной железы, которые еще не являются злокачественными, но потенциально могут быть такими.

Выводы

«Переход к поддержке искусственного интеллекта в диагностической радиологии должен происходить так же, как принятие автомобилей с самостоятельным вождением — медленно и осторожно, налаживая доверие и совершенствуя системы на этом пути с акцентом на безопасность», — резюмирует первый автор исследования Нан Ву (Nan Wu).

Авторы другого исследования утверждают, что соевые продукты полезны для пациентов, которые перенесли рак молочной железы.