Команда исследователей из Медицинской школы Икан (Icahn School of Medicine) и Медицинской школы Кек (Keck School of Medicine) при Университете Южной Калифорнии (University of Southern California) разработали новую систему машинного обучения, которая различает рак простаты низкого и высокого риска с большей точностью, чем когда-либо прежде. Данные научного исследования, опубликованные в журнале Scientific Reports, предназначены для того, чтобы помочь врачам, в частности радиологам, более точно определять методы лечения пациентов с раком предстательной железы, уменьшая вероятность ненужного клинического вмешательства.
Актуальность проблемы
Рак простаты является распространенным онкологическим заболеванием среди мужчин. Хотя недавние успехи в исследованиях рака предстательной железы спасли много жизней, объективные инструменты прогнозирования до сих пор оставались не разработанными.
В настоящее время стандартными методами, используемыми для оценки риска рака предстательной железы, являются многопараметрическая магнитно-резонансная томография (мпМРТ), которая выявляет поражения предстательной железы, и система отчетов и данных простатической визуализации, версия 2 (PI-RADS v2), пятибалльная система оценки, которая классифицирует повреждения, обнаруженные при мпМРТ. Вместе, эти инструменты предназначены для надежного прогнозирования вероятности клинически значимого рака предстательной железы. Однако оценка PI-RADS v2 субъективна и не проводит четкого различия между уровнями промежуточного и злокачественного рака (баллы 3, 4 и 5), что зачастую приводит к различным интерпретациям среди клиницистов.
Материалы и методы исследования
Комбинирование машинного обучения с радиомикой, отраслью медицины, которая использует алгоритмы для извлечения большого количества количественных характеристик из медицинских изображений, было предложено в качестве подхода для устранения этого недостатка. Исследователи разработали прогностическую систему, которая тщательно и систематически оценивала множество таких методов для выявления наиболее эффективных. В структуре также используются большие наборы диагностических данных для обучения и проверки.
Результаты научного исследования
В результате комбинирования методов диагностики, исследователи смогли классифицировать рак предстательной железы пациентов с высокой чувствительностью и еще более высокой прогностической ценностью.
Выводы
«Строгое и систематическое сочетание машинного обучения с радиомикой состоит в том, чтобы предоставить рентгенологам и медицинскому персоналу надежный инструмент прогнозирования, который в конечном итоге может привести к более эффективным результатам лечения», — говорит Гаурав Пандей (Gaurav Pandey), сотрудник Медицинской школы Икан на горе Синай.
Авторы другого исследования установили, что ожирение влияет на развитие рака предстательной железы.
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики АО «СЗМЦ» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей
E-mail для связи – [email protected];
