Модель искусственного интеллекта, разработанная исследователями из клиники Мэйо и онкологического центра доктора медицины Андерсона, с удивительной точностью обнаружила признаки рака поджелудочной железы на компьютерной томографии. Система, получившая название REDMOD (модель раннего обнаружения на основе радиометрии), смогла идентифицировать заболевание примерно за 16 месяцев до обычного диагноза примерно в 73% протестированных случаев. В некоторых исследованиях ИИ распознавал подозрительные закономерности более чем на два года вперед, с возможностью обнаружения за три года до клинического подтверждения.
Рак поджелудочной железы может стать второй по значимости причиной смертности от рака в Соединенных Штатах к 2030 году. В настоящее время 85% диагнозов выставляются, когда болезнь уже распространилась на другие органы, что значительно затрудняет радикальное лечение. REDMOD представляется многообещающим инструментом, позволяющим обратить этот сценарий вспять, выявляя минимальные изменения в рутинных обследованиях.
Как система обнаруживает сигналы, невидимые человеческому глазу
REDMOD не ищет очевидные опухоли. Вместо этого он ищет радиомические закономерности – тонкие изменения в текстуре и структуре ткани поджелудочной железы, которые ускользают от визуального обнаружения человека. Модель была обучена с помощью 969 компьютерных томографий, чтобы научиться распознавать ранние признаки заболевания на стадиях, когда оно еще излечимо.
Нормальные клетки развивают мутации в своей ДНК, которые влияют на их рост. Раку поджелудочной железы часто требуются годы, чтобы эти изменения превратились в опухоль, которая видна при визуализирующих исследованиях или вызывает симптомы. REDMOD может уловить это невидимое прогрессирование задолго до того, как опухоль проявит себя клинически.
Результаты превосходят анализ экспертов-людей
Исследователи протестировали REDMOD на 63 компьютерных томограммах пациентов, у которых позже развился рак поджелудочной железы, а также на 430 контрольных сканах здоровых людей. Система правильно выявила 46 из 63 подозрительных случаев, достигнув показателя результативности 73%.
Два рентгенолога, проанализировавшие одни и те же снимки одновременно, обнаружили ранние признаки только в 38,9% случаев. Разница представляет собой значительное преимущество: модель искусственного интеллекта почти удвоила возможности раннего обнаружения по сравнению с экспертами.
Тесты были повторены на двух разных наборах данных с разным оборудованием в разных больницах. Во всех сценариях REDMOD сохранял стабильную производительность. Для пациентов, у которых было доступно несколько тестов, ИИ давал примерно одинаковые результаты, даже если тесты проводились с интервалом в несколько месяцев.
Проблемы и следующие шаги по реализации
Исследование выявило важный момент: из 430 здоровых людей 81 был ошибочно отмечен REDMOD как подозреваемый. Если бы это было реализовано в реальном сценарии, эти люди прошли бы дополнительные тесты, прежде чем подтвердить отрицательный результат. Уточнение этой специфики представляет собой приоритетную задачу, позволяющую избежать ненужных процедур.
- Проспективная валидация в группах высокого риска
- Тестирование на более крупных и разнообразных группах населения
- Интеграция в существующие клинические процессы
- Улучшение специфичности модели
- Доступность в различных условиях больницы
Радиолог Аджит Гоенка из клиники Майо говорит, что самым большим препятствием на пути спасения жизней при раке поджелудочной железы всегда была неспособность обнаружить болезнь, когда она еще излечима. «Теперь этот ИИ может идентифицировать признаки рака в нормальной на вид поджелудочной железе и может делать это надежно с течением времени и в различных клинических условиях».
Путь к изменению диагностической парадигмы
Реальный потенциал REDMOD заключается в его применении для рутинных компьютерных томографий, выполняемых по другим причинам. Врачи часто назначают анализы поджелудочной железы для выявления несвязанных симптомов. Если REDMOD будет регулярно отслеживать эти изображения, он сможет обнаружить рак на доклинической стадии, когда лечебные методы лечения еще эффективны.
Исследователи планируют распространить тесты на более крупные и разнообразные группы. Они также исследуют легкость внедрения ИИ в существующие медицинские рабочие процессы. Цель состоит в том, чтобы превратить нынешнюю диагностику, основанную на запущенных симптомах, в упреждающее пресечение раннего заболевания.
Авторы исследования подчеркивают, что продемонстрированная способность системы последовательно обнаруживать скрытые сигналы в больших клинически ориентированных наборах данных в сочетании с ее высокой стабильностью во времени и подтвержденной специфичностью закладывает прочную основу для раннего обнаружения с помощью искусственного интеллекта. Исследователи выражают оптимизм по поводу того, что при дальнейшем развитии и совершенствовании они смогут предложить невероятно полезную систему против одного из самых смертоносных существующих видов рака.