В недавнем исследовании ученые разработали алгоритм, позволяющий различать злокачественные и доброкачественные образования при сканировании тканей молочной железы.
В настоящее время врачи имеют доступ к получению высококачественного изображения, благодаря чему опытные рентгенологи могут определить явные признаки аномального клеточного роста. После выявления патологии следующий шаг — установление природы новообразования: доброкачественное или злокачественное. Одним из наиболее надежных методов, которым пользуются врачи с этой целью, является проведение биопсии. Однако этот метод недостаточно надежный и может показывать как ложноотрицательные, так и ложноположительные результаты.
В связи с этим исследователи стремятся усовершенствовать процесс диагностирования онкологических заболеваний. Некоторые ученые изучают потенциал искусственного интеллекта. Так, в недавнем исследовании был разработан алгоритм, который демонстрирует обнадеживающие результаты.
Искусственной интеллект и эластография
Ультразвуковая эластография является относительно новым диагностическим методом, который проверяет жесткость ткани молочной железы. Суть данного процесса заключается в создании в тканях вибрации, которая, в свою очередь, провоцирует образование волны, вызывающей искажения при ультразвуковом сканировании. Таким образом можно выявить аномальный участок ткани молочной железы, который отличается по свойствам от здоровой окружающей ткани. Исходя из этой информации, врач может определить, является ли поражение злокачественным или доброкачественным.
Несмотря на то что метод имеет большой потенциал, анализ результатов эластографии отнимает много времени и включает несколько этапов.
Недавно группа исследователей из инженерной школы Витерби в Университете Южной Калифорнии (Viterbi School of Engineering at the University of Southern California), США, выяснила, может ли алгоритм сократить количество шагов, необходимых для извлечения данных, полученных с помощью эластографии. Ученые опубликовали результаты своей работы в журнале «Computer Methods in Applied Mechanics and Engineering».
Интересно, что исследователи обучали алгоритм, используя синтетические данные, а не подлинные сканы.
Синтетические данные
На вопрос, почему команда использовала синтетические данные, ведущий автор исследования профессор Ассад Оберай (Assad Oberai) ответил, что все сводится к доступности реальных данных. Он объясняет, что «в случае реальной медицинской визуализации вам повезло, если у вас есть 1000 изображений. Однако в подобных ситуациях такого количества недостаточно. В связи с этим возможно использование синтетических данных».
Исследователи обучили свой алгоритм, который они называют глубоко сверточной нейронной сетью, используя более 12 тыс. синтетических изображений.
В конечном итоге алгоритм показал 100% точность в диагностике синтетических изображений. Далее ученые перешли к сканированию реальных случаев.
«Показатель диагностической точности алгоритма при сканировании реальных изображений достиг 80%. Мы продолжаем совершенствовать алгоритм, используя в качестве входных данных больше реальных изображений», — сообщил А. Оберай.
Рост искусственного интеллекта
В последние годы повышается интерес к использованию искусственного интеллекта в диагностике.
«Искусственный интеллект успешно применяется для анализа изображений. Он позволяет увеличите скорость и точность диагностики», — говорит А. Оберай.
Тем не менее А. Оберай не верит, что искусственный интеллект сможет заменить обученного человека-оператора. Он объясняет, что для того, чтобы алгоритм работал так, как было задумано, должен быть специалист, который сможет проанализировать полученные данные.
Исследователи надеются, что смогут расширить диапазон использования своего алгоритма для диагностики других видов рака. Ведь везде, где растет опухоль, физическое поведение ткани меняется.
Однако каждый тип рака взаимодействует с окружающей средой по-разному, в связи с чем алгоритм необходимо будет видоизменять для каждой отдельной патологии. Профессор Оберай уже работает над компьютерной томографией рака почки, чтобы найти способы, которыми искусственный интеллект может помочь в диагностике данного заболевания.
Несмотря на то что искусственный интеллект делает только первые шаги в оптимизации диагностики онкологических заболеваний, данный метод имеет большие перспективы для будущего развития.
По материалам www.medicalnewstoday.com
Коментарі
Коментарі до цього матеріалу відсутні. Прокоментуйте першим