Изкуственият интелект може да помогне за откриване на рак на белия дроб
(снимка: CC0 Public Domain)
Британски учени създадоха модел с изкуствен интелект, който може точно да идентифицира рак на белия дроб в ранните му стадии. Според изследователите, технологията може да ускори диагностицирането на заболяването и лечението на пациентите.
Ракът е водеща причина за смърт в световен мащаб. Според данни на Световната здравна организация, около 10 милиона души умират от рак всяка година. В много случаи обаче болестта може да бъде спряна, ако се открие и лекува навреме.
Модел на изкуствен интелект, разработен от експерти на Кралската фондация Мардсън, Института за изследване на рака в Лондон и Имперския колеж Лондон, може да определи дали анормалните образувания, открити при сканиране с компютърна томография (CT), са злокачествени. Резултатите от изследването са публикувани в медицинското издание Lancet eBioMedicine.
Екипът стъпва на данни от компютърна томография на около 500 пациенти с големи белодробни възли, за да разработи AI алгоритъм, използвайки радиомика. Тази техника може да извлече жизненоважна информация от медицински изображения, които са трудни за виждане от човешкото око. След това AI моделът е тестван, за да се види дали може точно да идентифицира раковите възли.
Изследването използва мярка, наречена площ под кривата (AUC), за да види колко ефективен е моделът при прогнозиране на рак. AUC 1 показва идеален модел, докато стойност 0,5 би се очаквала, ако моделът познае на случаен принцип. Резултатите показват, че AI моделът може да определи риска от рак на всеки възел с AUC 0,87.
Показателят се подобряват по скалата на Брок, която в момента се използва в клиниката, и възлиза на 0,67. Моделът също се представя сравнимо с резултата на Хердер – друг тест, който има AUC 0,83. Новият AI модел може също така да помогне на медиците да вземат по-бързи решения относно пациенти с необичайни растежи, които в момента са изложени на среден риск.
Изследователският екип уточнява, че проучването все още е на ранен етап. Необходими са допълнителни изпитания, преди моделът да стане готов за внедряване в системите на здравеопазването.