Онкологический скрининг будет неразрывно связан с технологиями искусственного интеллекта

Ведущий научный сотрудник Института Искусственного Интеллекта AIRI, к.м.н. Виктор Гомболевский рассказал о перспективах внедрения технологий ИИ в медицинский скрининг в рамках конгресса по лучевой диагностике «European Congress Of Radiology»




Рак легкого, согласно статистике ВОЗ, является лидером по смертности среди онкологических заболеваний. Скрининг с помощью низкодозной компьютерной томографии зарекомендовал себя в многолетних рандомизированных исследованиях как эффективная методология, которая приводит к снижению смертности от данного заболевания.

Человеческий фактор и высокая стоимость ошибки в скрининге привели к тому, что каждое исследование принято интерпретировать 2-мя врачами-рентгенологами. Даже такой увеличенный расход ресурсов на каждое скрининговое исследование пока не достигает желаемых высот качества – двойное чтение повышает шансы на обнаружение легочных узлов размером от 1 до 18 мм с 63% до 74% [1].

Исследования применения искусственного интеллекта (ИИ) в скрининге рака легкого называют позитивным результатом тот факт, что ИИ может выявлять легочные узлы, которые может пропускать человек. Благодаря внедрению ИИ научное сообщество ожидает получить пользу в виде увеличения выявляемости рака легкого на ранних стадиях и надеется на предотвращение большего количества смертей от рака легкого, а также на повышение экономической эффективности. Доказано, что, когда у врача-рентгенолога при интерпретации результатов исследований есть возможность ознакомиться с результатами анализа ИИ, средняя и медианная длительности описания уменьшаются на 29% и 55%. В то же время, как показало исследование, опубликованное в научном журнале Lung Cancer 2022 [2], применение ИИ при выявлении рака легких может освобождать врача от 86,7% нагрузки.

«Тот факт, что в скрининге постепенно расширяются возрастные критерии и допустимо участие более молодых пациентов с меньшим стажем курения, приводит к увеличению количества людей, которые смогут претендовать на участие в скрининговых программах. Значительная часть работы скрининга в таком случае связана с дополнительным расходованием ресурсов рентгенологов, которые вынуждены просматривать результаты исследований без патологии. По всей видимости, будущее скрининга будет неразрывно связано с внедрением ИИ», – отметил Виктор.

Скрининг, как и любая другая медицинская практика, предполагает наличие баланса вреда и пользы. В большинстве случаев соотношение этих факторов связано с группой риска пациентов, однако, это не единственный важный элемент, влияющий на баланс пользы и вреда. Например, обычно большая часть людей, участвующих в скрининге, получают результаты нормы от врачей. Но применение ИИ приведет к сокращению нормы за счет выявления находок, которые врачи без ИИ могли бы пропустить.

Включение ИИ в скрининг может непредсказуемо изменить баланс. Ввиду того, что главные доказательства работы скрининга требуют многолетних исследований, повышается риск узнать о возможном дисбалансе позже необходимого срока. Сегодняшние ИИ-сервисы настолько быстро обновляются, что к тому моменту, когда врачи получат многолетний результат рандомизированных исследований скрининга с ИИ против скрининга без ИИ, используемое программное обеспечение может устареть и справедливым будет проведение новых исследований с новыми версиями ИИ-сервисов. Чтобы продолжать улучшение, необходимо попытаться решить проблему гонки развития технологий и изучения баланса вреда и пользы, а также разрабатывать и использовать новые прогрессивные дизайны исследований и улучшать масштабируемость и адаптивность самих технологий.

С целью изучения возможностей развития технологий ИИ для анализа медицинских изображений в Институте Искусственного Интеллекта AIRI работают исследовательские группы анализа медицинских изображений и общего медицинского компьютерного зрения, которые ведут работу над созданием датасетов и новых алгоритмов.

 

Список литературы

1. Wormans D., Ludwig K., Beyer F., Heidel W., Diederich S. (2015). Detection of pulmonary nodules at multirowdetector CT: effectiveness of double reading to improve sensitivity at standard-dose and low-dose chest CT. Eur Radiol. 15:14–22.

2. Lancaster H.L., Zheng S., Aleshina O.O., Yu D., Yu Chernina V., Heuvelmans M.A., de Bock G.H., Dorrius M.D., Willem Gratama J., Morozov S.P., Gombolevskiy V.A., Silva M., Yi J., & Oudkerk M. (2022). Outstanding negative prediction performance of solid pulmonary nodule volume AI for ultra-LDCT baseline lung cancer screening risk stratification. Lung cancer (Amsterdam, Netherlands). 165:133–140. DOI:10.1016/j.lungcan.2022.01.002



Еженедельный дайджест "Лечащего врача": главные новости медицины в одной рассылке

Подписывайтесь на нашу email рассылку и оставайтесь в курсе самых важных медицинских событий


поле обязательно для заполнения
поле обязательно для заполнения
поле обязательно для заполнения
поле обязательно для заполнения
Нажимая на кнопку Подписаться, вы даете согласие на обработку персональных данных

Актуальные проблемы

Специализации




Календарь событий:




Вход на сайт