MIT & Mass General Hospital розробили систему AI, яка може виявляти рак легенів

Рак легенів є руйнівною хворобою. Відповідно до Всесвітня організація охорони здоров'я, рак легенів є однією з найпоширеніших причин смерті в усьому світі, лише у 2.21 році він став причиною майже 2020 мільйона випадків. Важливо, що захворювання може прогресувати; тобто для багатьох це може початися як легкі симптоми, які не викликають тривоги, перш ніж швидко перерости в небезпечний для життя діагноз, що призводить до смерті. На щастя, діапазон терапевтичних засобів, спрямованих на допомогу пацієнтам з раком легенів, надзвичайно зріс за останні два десятиліття. Однак раннє виявлення раку залишається єдиним засобом значного зниження смертності.

Одним із помітних досягнень у цій сфері є нещодавнє оголошення Массачусетського технологічного інституту (MIT) і Mass General Hospital (MGH) щодо розробки моделі глибокого навчання під назвою «Sybil», яку можна використовувати для прогнозування ризику раку легенів, використовуючи дані. лише з одного сканування КТ. The вчитися було офіційно опубліковано в Journal of Clinical Oncology минулого тижня, і обговорюється, як «інструменти, які забезпечують персоналізовану оцінку майбутнього ризику раку, можуть зосередити підходи на тих, хто, швидше за все, принесе користь». Таким чином, керівники дослідження стверджували, що «модель глибокого навчання, яка оцінює всі об’ємні дані LDCT [Low Dose Contrast CT], може бути побудована для прогнозування індивідуального ризику, не вимагаючи додаткових демографічних або клінічних даних».

Модель починається з основного принципу: «Зображення LDCT містять інформацію, яка є прогнозною для майбутнього ризику раку легенів, окрім ознак, які зараз можна ідентифікувати, таких як вузлики в легенях». Таким чином, розробники прагнули «розробити та підтвердити алгоритм глибокого навчання, який прогнозує майбутній ризик раку легенів до 6 років на основі одного сканування LDCT, і оцінити його потенційний клінічний вплив».

Загалом, наразі дослідження було надзвичайно успішним: Сібіл здатна з певною точністю передбачити майбутній ризик раку легенів у пацієнта, використовуючи дані лише одного LDCT.

Без сумніву, клінічне застосування та наслідки цієї технології ще незрілі. Навіть керівники дослідження погоджуються, що знадобиться виконати значну роботу, щоб з’ясувати, як саме застосовувати цю технологію в реальній клінічній практиці, зокрема щодо розвитку певного рівня довіри до технології, завдяки якому лікарі та пацієнти почуватимуться безпечно, покладаючись на неї виходи системи.

Однак передумова алгоритму все ще неймовірно потужна і тягне за собою потенційні кардинальні зміни у сфері прогнозної діагностики.

Діагностичні заходи ще ніколи не були такими потужними. Той факт, що інструмент може використовувати лише одну комп’ютерну томографію для прогнозування тривалої функції захворювання, потенційно може вирішити багато проблем, найважливішою з яких є можливість раннього лікування та зниження смертності.

Експерти, спочатку червоніючи, можуть виступати проти таких систем, зауважуючи, що жодна система штучного інтелекту не може зрівнятися з судженнями та клінічною майстерністю настільки добре, щоб замінити лікаря-людину. Але мета систем, подібних до цих, не обов’язково замінити досвід лікаря, а радше потенційно розширити робочі процеси лікаря.

Таку систему, як Sybil, можна дуже легко використовувати як інструмент для рекомендацій, позначаючи лікарям потенційно стосуються КТ, які потім можуть використовувати власне клінічне судження, щоб погодитися або не погодитися з рекомендацією Sybil. Це, ймовірно, не тільки покращить клінічну пропускну здатність, але також може діяти як вторинний процес «перевірки» та, можливо, підвищить діагностичну точність.

Безперечно, на цій арені ще багато роботи. На вчених, розробників і інноваторів попереду чекає довгий шлях не лише у вдосконаленні фактичного алгоритму та самої системи, але й у навігації над делікатною ареною впровадження цієї технології в реальні клінічні застосування. Тим не менш, технологія, наміри та потенціал, який вона має щодо покращення догляду за пацієнтами, якщо вона розроблена безпечним, етичним та ефективним способом, справді багатообіцяюча для майбутнього покоління діагностики.