[:ru]Компьютерная томография (КТ) является основным диагностическим инструментом для оценки рака легких у пациентов. В настоящее время финансируемые NIBIB исследователи из Стэнфордского университета создали искусственную нейронную сеть, которая анализирует компьютерную томографию легких, чтобы предоставить информацию о степени тяжести рака легких, которая может определять варианты лечения.
КТ является важным диагностическим инструментом для определения местоположения, размера, размера и формы поражений легких, используемых для определения терапевтических решений для пациентов с раком легких — наиболее распространенным злокачественным новообразованием среди взрослых во всем мире. Однако анализ КТ-изображений ограничен тем, что видимо человеческому глазу, а изменчивость читателя приводит к различиям в клинической помощи в разных онкологических центрах.
Многопрофильная группа экспертов в области биомедицинской информатики , радиологии, науки о данных, электротехники и радиационной онкологии объединилась для создания нейронной сети машинного обучения под названием LungNet, предназначенной для получения согласованной, быстрой и точной информации от компьютерной томографии легких у пациентов. Группа работала со сканированием от взрослых с немелкоклеточным раком легкого (NSCLC), на который приходится 85% диагнозов рака легкого.
«LungNet демонстрирует преимущества разработки и обучения средств машинного обучения непосредственно на медицинских изображениях пациентов», — сказал Ци Дуань, доктор философии, директор программы NIBIB по обработке изображений, визуальному восприятию и отображению. «Это выдающийся пример того, как технология машинного обучения может стать экономически эффективным подходом для улучшения диагностики, диагностики и лечения заболеваний».
Исследовательскую группу возглавлял Оливье Геварт, доцент медицины в области биомедицинских исследований в области информатики в Стэнфорде, который специализируется на разработке методов машинного обучения для поддержки биомедицинских решений с использованием многомасштабных биомедицинских данных.
«Количественный анализ изображений показал, что рентгенологические изображения, такие как компьютерная томография пациентов с раком легкого, содержат больше информации, которую можно получить, чем то, что наблюдают рентгенологи», — пояснил Геварт. «Используя наборы данных КТ-изображений из нескольких разных онкологических клиник, мы решили определить, можно ли обучить нашу нейронную сеть для точного и воспроизводимого анализа сканов и предоставления последовательной, полезной клинической информации».
Нейронная сеть под названием LungNet была обучена и оценены на четырех независимых когорт пациентов с НМРЛ из четырех медицинских центров, с каждым центром в среднем несколько сотен пациентов. Анализ LungNet точно предсказал общую выживаемость во всех четырех группах пациентов. LungNet также точно классифицировал доброкачественные и злокачественные узелки и был способен дополнительно расслаивать узлы в отношении прогрессирования рака.[:]