Új mesterséges intelligencia eszköz, amely pontosan képes azonosítani a tüdőrákot
A Royal Marsden NHS Alapítványi Bizottságának szakemberei, a londoni Rákintézet és az Imperial College London kutatói által kifejlesztett algoritmus felismeri, hogy a CT-vizsgálati eredményeken található rendellenes növekedések daganatosak-e.
A rák az egyik vezető halálozási ok világszerte. A WHO szerint évente mintegy 10 millió ember hal meg rákban, a halálesetek közel negyedét okozza. A betegség azonban sok esetben gyógyítható, ha korán észlelik és azonnal kezelik. A Lancet eBioMedicie című tudományos lapban megjelent LIBRA (Lung Imaging Biobank for Radiomics and AI research) tanulmány szerint a mesterséges intelligencia algoritmus hatékonyabban és eredményesebben teljesít a felismerés terén, mint a jelenlegi módszerek.
A projekt célja a kutatásokhoz szükséges csatorna kidolgozása volt, valamint egy algoritmus létrehozása nagy tüdőcsomók pontos osztályozásához a rák kockázata szerint. Végső célként egy olyan döntéstámogató eszköz kifejlesztését tűzték ki, amely csökkenti a késleltetett rákdiagnózis arányát a széles skálájú 10-70% Herder kockázati csoportban.
A csapat mintegy 500 nagy tüdődaganatos beteg CT-vizsgálatát használta a modell kifejlesztéséhez a radiomikus technikával. Ez a technika olyan alapvető információkat tud kinyerni az orvosi képekből, amelyeket az emberi szem könnyen kihagy.
Magába foglalja a radiológiai képeken található nagy mennyiségű kvantitatív adatot, például az intenzitást, a szöveti textúrát és a geometriai alakzatokat. A radiomics elemzés lehetővé teszi a képek összetettségének és a szöveti tulajdonságoknak a mérést, amelyeket nem lehet a szabad szemmel észlelni. Ezek az információk aztán felhasználhatók a betegségek kockázati értékelésére, a diagnózis pontosítására, a terápiás válasz előrejelzésére és a betegségmenedzsment javítására.
A modellt ezt követően tesztelték, hogy meghatározzák, pontosan képes-e azonosítani a daganatos csomókat. A tanulmány az ún. AUC (area under the curve) mértékkel dolgozott annak érdekében, hogy megállapítsa, mennyire hatékony a modell a rák előrejelzésében. Egy tökéletes modell esetén az AUC értéke 1, míg egy véletlenszerűen találgató modell esetén az érték 0,5.
Az eredmények szerint a mesterséges intelligencia algoritmus képes volt a daganatos csomók rákveszélyének azonosítására 0,87-es AUC értékkel. A teljesítmény jobb a klinikai környezetben jelenleg alkalmazott Brock-pontszámnál, amely 0,67 pontot ért el és jobban teljesített a Herder-pontszámnál is, amelynek AUC értéke 0,83 volt.
Amikor a Herder-pontszámmal kombinálták, a modell képes volt azonosítani a nagy kockázatú betegeket ebben a csoportban. Az eredmények szerint 18-ból 22 (82%) góc esetében javasolt volna korai beavatkozást, amelyek később megerősítést nyertek rákos daganatokként.
A jövőben CT-vizsgálatok elemzését egyszerűsítő eszközként segíthet orvosoknak gyorsabb döntéseket hozni azoknál a betegeknél, akiknél közepes kockázatot jelentő rendellenes növekedést észleltek, és azonosítani a nagy kockázatú eseteket, javasolni a korai beavatkozást.
A tanulmány szerint a mesterséges intelligencia modell további tesztelésre szorul, mielőtt a betegellátási rendszerekbe bevezetnék, de az előnyei nyilvánvalóak.
