Алгоритмы глубокого обучения нейронных сетей, один из вариантов искусственного интеллекта, помогут раньше экспертов-рентгенологов выявить злокачественные новообразования на снимках низкодозной компьютерной томографии легких. Кроме того, такой подход обеспечивает более низкую вероятность получения ложно положительных и ложно отрицательных результатов, пишет MedicalXpress.
Технологии глубокого обучения нейронных сетей позволяют проводить автоматическую оценку полученных результатов компьютерной томографии, при этом такие системы самообучаются при получении большого количества примеров. Эффективность нового подхода сравнивалась с точностью выявления новообразований рентгенологами на снимках пациентов с подтвержденным результатами биопсии злокачественным заболеванием.
Исследования алгоритмов машинного обучения проводились с использованием данных КТ почти 7000 участников исследования по выявлению рака легкого в США. Точность выявления новообразований сравнивалась с данными, полученными при экспертной оценке более 1000 снимков рентгенологами. Оказалось, что при наличии предыдущих КТ-снимков, точность диагностирования компьютерной системой сравнима с точностью экспертной оценки, но при отсутствии снимков для сравнения алгоритмы машинного обучения снижают вероятность получения ложно положительных и ложно отрицательных результатов на 11% и 5% соответственно.
По словам инженеров, рентгенологи обычно изучают сотни двухмерных изображений, так называемых КТ-срезов, тогда как цифровая технология оценивает сразу одну трехмерную картинку. Более того, она одновременно проводит сравнение с предыдущими результатами сканирования. Такой подход обеспечивает высокую чувствительность новой методики.