Подписаться на новости
  • Сенатор
  • ООО "Ай Вао"
  • techweek
  • Biohacking
  • Био/​мол/​текст

ИИ прогнозирует выживаемость

Американский учёный Хьюго Эртс вместе с коллегами разработали модель глубокого обучения, в которой использовались томографические снимки опухолей пациентов с немелкоклеточным раком легких в динамике результатов лечения.

Рак легких – главная причина смерти от онкологических заболеваний во всем мире. Немелкоклеточный рак лёгких составляет около 85 процентов всех видов рака легких. Стандартная оценка диагноза и ответа на терапию для пациентов в значительной степени зависит от измерения максимального диаметра опухоли, который подвержен изменениям с течением времени.

Чтобы понять, можно ли делать более точные предсказания о результатах терапии, учёные создали модель глубокого обучения. Они переносили данные из нейронной сети ImageNet, созданной исследователями из Принстонского и Стэнфордского университетов, и обучали свои модели на сериях снимков компьютерной томографии 179 пациентов с 3-й стадией немелкоклеточного рака лёгких после химиолучевой терапии. На снимках были изображены пациенты до лечения, через один, три и шесть месяцев после лечения. В общей сложности получилось 581 изображение.

Исследователи проанализировали способность модели делать достоверные прогнозы исхода заболевания с помощью двух наборов данных: учебного набора из 581 изображений и независимого набора из 178 изображений от 89 пациентов с немелкоклеточным раком легких после химиотерапии и хирургического вмешательства. Производительность моделей улучшалась с добавлением каждого последующего набора снимков.

Точность прогноза увеличилась до 0,74 после добавления всех доступных снимков компьютерной томографии. Пациенты, отнесенные моделью к группе низкого риска смертности, имели шестикратное увеличение общей выживаемости в отличие от пациентов, отнесенных к группе высокого риска.

В сравнении с клинической моделью, которая использует такие параметры, как стадия болезни, пол, возраст, размер опухоли, наличие вредных привычек, модель глубокого обучения показала большую эффективность в прогнозировании отдаленного метастазирования, прогрессирования и локального рецидива.

Единственным недостатком этого метода исследования является небольшой массив данных, который нужно увеличивать, чтобы оценить его в дальнейших клинических испытаниях.

Предложенная модель глубокого обучения в дальнейшем поможет клиницистам адаптировать планы лечения для отдельных пациентов и помочь собрать статистику в различные группы риска для клинических испытаний.

Статья Xu et al. Deep Learning Predicts Lung Cancer Treatment Response from Serial Medical Imaging опубликована в журнале Clinical Cancer Research.

Елена Панасюк, портал «Вечная молодость» http://vechnayamolodost.ru/ по материалам AACR: A Deep-learning Model May Help Predict Lung Cancer Survival and Outcomes


Читать статьи по темам:

рак смертность Версия для печати
Ошибка в тексте?
Выдели ее и нажми ctrl + enter
назад

Читать также:

Маммография больше не нужна?

В последние годы смертность от рака молочной железы действительно снижается, но не благодаря маммографическому скринингу.

читать

Альтернативная онкология

Применение «альтернативной» медицины в дополнение к традиционной терапии в два раза повышает риск смерти от рака.

читать

О пользе холестерина

По данным нового исследования, высокий уровень холестерина связан со снижением риска развития рака груди в 1,5 раза, а риска преждевременной смерти – в 1,67.

читать

Калькулятор выживаемости при раке кишечника

Исследователи из Ноттингема разработали универсальный онлайн-сервис для расчета выживаемости при разных типах колоректального рака.

читать

Рак отступает

По сравнению с 1975-77 гг. в 2006-12 годы пятилетняя выживаемость после постановки диагноза выросла для всех онкологических заболеваний, кроме рака шейки и тела матки.

читать