Sbírky

Model Deep Learning dokáže předpovědět rakovinu prsu až na pět let předem

Model Deep Learning dokáže předpovědět rakovinu prsu až na pět let předem

Vědci z MIT Computer Science and Artificial Intelligence Laboratory (CSAIL) a Massachusetts General Hospital (MGH) vytvořili nový model hlubokého učení, který může zlepšit včasné odhalení rakoviny prsu.

SOUVISEJÍCÍ: SOFTWARE S VÝBĚREM AI POMÁHÁ LEKÁŘI ZJIŠTĚNÍ RAKOVINY PRSY

Systém dokáže z mamogramu zjistit, zda je pravděpodobné, že se u pacienta v budoucnu rozvine rakovina prsu až za pět let. Screening rakoviny prsu je důležitým nástrojem pro včasné odhalení rakoviny prsu a snížení úmrtnosti související s rakovinou prsu.

AI může pomoci zaplnit nedostatek lékařů

Projekce jsou v současné době velmi pracné kvůli vysokému objemu žen, které potřebují skenování. V některých částech světa, včetně USA, je nedostatek vysoce kvalifikovaných radiologů pro screening prsů, což vedlo k vývoji systémů AI, které mohou provádět některé úkoly související s hodnocením mamogramů.

Nový systém MIT byl proškolen na mamografech a výsledcích více než 60 000 pacientů; z těchto dat se algoritmus naučil jemné vzory v prsní tkáni, které jsou předchůdci maligních nádorů. Tvůrci systému doufají, že pozdní detekce rakoviny prsu bude minulostí.

Přesnější screening na základě rizik

Systém pomůže lékařům vypracovat individuální plány řízení rizik pro ženy, které určí, jak často by měly být vyšetřovány. V současné době Americká rakovinová společnost doporučuje každoroční screening od 45 let věku v USA.

Preventivní pracovní skupina doporučuje provádět screening každé dva roky počínaje 50. rokem života. U žen s vysokým rizikem to však nemusí stačit.

"Spíše než univerzální přístup můžeme přizpůsobit screening rizik žen u rakoviny," říká Barzilay, hlavní autor nového příspěvku o projektu, který dnes vychází v Radiologii.

"Lékař by například mohl doporučit, aby jedna skupina žen podstoupila mamograf každý druhý rok, zatímco jiné skupině s vyšším rizikem by mohl být proveden doplňkový screening MRI."

Systém přesnější než tradiční metody

Barzilay je profesorem elektroniky Delta na CSAIL a na katedře elektrotechniky a informatiky na MIT a členem Kochova institutu pro integrovaný výzkum rakoviny na MIT. Systém přesně zařadil 31 procent všech pacientů s rakovinou do své nejrizikovější kategorie, ve srovnání s pouze 18 procenty u tradičních modelů.

Systém dokazuje, že screeningové strategie lze určit spíše na rizikových faktorech než na věku. Dříve byl ženský rizikový faktor vzniku rakoviny prsu určen kombinací věku, rodinné anamnézy rakoviny prsu a vaječníků, hormonálních a reprodukčních faktorů a hustoty prsu.

Algoritmy detekují vzorce příliš jemné pro člověka

Tyto markery jsou slabě spojeny se skutečným vývojem rakoviny prsu a screening založený na riziku není široce podporován. Tým MIT / MGH vyvinul model hlubokého učení, který dokáže identifikovat vzorce na mamogramech, které řídí budoucí rakovinu. Při tréninku na více než 90 000 mamogramech model detekoval vzory příliš jemné na to, aby je lidské oko detekovalo.

"Od 60. let si radiologové všimli, že ženy mají na mamografu viditelné jedinečné a velmi variabilní vzory prsní tkáně," říká Lehman.

"Tyto vzorce mohou představovat vliv genetiky, hormonů, těhotenství, laktace, stravy, hubnutí a přibývání na váze."

Nyní můžeme tyto podrobné informace využít k přesnějšímu posouzení rizik na individuální úrovni. “

Model také uzavře mezeru v detekci a léčbě rakoviny prsu mezi černými a bílými ženami. U černých žen je o 42% vyšší pravděpodobnost úmrtí na rakovinu prsu než u bílých žen kvůli různým faktorům, včetně přístupu ke zdravotní péči.

Tým doufá, že se systém může stát standardní součástí zdravotní péče v USA a ve světě.


Podívejte se na video: Lymfatická masáž DK zepředu (Prosinec 2021).