Согласно исследованию, опубликованному в журнале Radiology, алгоритм машинного обучения помогает точно дифференцировать доброкачественные и предраковые колоректальные полипы при КТ-сканировании колонографии.
Колоректальный рак входит в тройку наиболее частых причин смерти от рака среди мужчин и женщин в промышленно развитых странах. Большинство типов колоректального рака возникают из-за аденоматозных полипов – железистых разрастаний на слизистой оболочке толстой кишки, которые развиваются в течение нескольких лет. Раннее обнаружение и удаление этих предраковых полипов может снизить заболеваемость и смертность от колоректального рака.
В течение последних двух десятилетий КТ-колонография стала неинвазивной альтернативой колоноскопии при скрининге колоректального рака. Он сравним с колоноскопией в обнаружении большинства полипов и эффективен при визуализации частей толстой кишки, которые в случаях сложных анатомических состояний не всегда можно оценить с помощью колоноскопии. Тем не менее, КТ-колонография не позволяет четко дифференцировать доброкачественные и предраковые полипы, что имеет решающее значение для индивидуальной стратификации риска и рекомендаций по терапии.
В новом исследовании исследователи использовали возможности радиомики, процесса извлечения количественных характеристик из медицинских изображений, чтобы охарактеризовать полипы, выходящие за рамки того, что было видно невооруженным глазом.
Исследователи разработали алгоритм машинного обучения для прогнозирования характера отдельных полипов на основе количественных характеристик изображения, извлеченных с помощью радиомики. Они применили неинвазивный метод машинного обучения, основанный на радиомике, на изображениях компьютерной томографии колонографии от группы бессимптомных пациентов со средним риском колоректального рака. Алгоритм машинного обучения был обучен на наборе из более чем 100 колоректальных полипов у 63 пациентов, а затем протестирован на наборе из 77 полипов у 59 пациентов.
В наборе тестов подход машинного обучения позволил неинвазивно дифференцировать доброкачественные и предраковые колоректальные полипы, обнаруженные при КТ-колонографии, с чувствительностью 82% и специфичностью 85%. Площадь под кривой (AUC), графическое измерение, которое отражает, насколько модель способна различать доброкачественные и предраковые полипы, была отличной.
“Эти результаты служат доказательством концепции того, что анализ изображений на основе машинного обучения позволяет неинвазивно дифференцировать доброкачественные и предраковые колоректальные полипы в наборах данных КТ-колонографии,” сказал ведущий автор исследования Серджио Гросу, M.D., рентгенолог из Университетской клиники Мюнхенского университета Людвига-Максимилиана в Мюнхене, Германия. “AUC 0.91 означает, что этот метод работает хорошо.”
Полученные данные указывают на роль алгоритмов, основанных на машинном обучении, в повышении эффективности КТ-колонографии как инструмента скрининга колоректального рака.
“Добавление анализа изображений с помощью машинного обучения к традиционному считыванию радиологических изображений могло бы еще больше повысить клиническую значимость скрининга колоректального рака на основе КТ-колонографии, позволяя более точный отбор пациентов, подходящих для последующей полипэктомии,” Доктор. Гросу сказал. “Этот метод можно будет использовать в качестве второго ридера при всех обследованиях КТ-колонографии в отдаленном будущем.”
Доктор. Гросу сказал, что для подтверждения результатов необходимы дополнительные исследования с большим количеством пациентов. Он добавил, что эти исследования также должны помочь улучшить алгоритм машинного обучения.
“Дальнейшее усовершенствование анализа изображений на основе машинного обучения необходимо для достижения более высокой точности дифференциации полипов, а также оптимизации рабочего процесса для лучшей применимости в клинической практике,” Доктор. Гросу сказал.
Вот ещё на днях про статьи по психологии на https://psyhelp-ve.ru почитал, мне кажется это более чем интересная, важная и нужная для человека информация. Не верите, то тогда сами посмотрите.