Прогнозирование с помощью искусственного интеллекта того, разовьётся ли у вас рак молочной железы в будущем

Radilogy Согласно исследованию, опубликованному 17 декабря 2019 года в журнале с таким названием, одна из наиболее обсуждаемых в последнее время разновидностей применения искусственного интеллекта — глубокое обучение (deep learning) модель — позволила с большей точностью, чем модели на основе плотности (density), предсказать, у каких женщин существует риск последующего развития рака молочной железы. Доктор Karin Dembrower и её коллеги из Каролинского института в Стокгольме разработали показатель риска, связанный с будущим раком молочной железы, и в ретроспективном исследовании (основанном на прошлых данных) сравнили эту модель глубокого обучения с моделями на основе плотности. Разработка модели глубокого обучения основывалась на случаях, диагностированных с 2008 по 2012 год; для каждой женщины по наиболее ранней доступной цифровой маммограмме рассчитывались показатель риска глубокого обучения, площадь плотной ткани и процентная плотность.

Глубокое обучение В таких системах созданные человеком алгоритмы отвечают за сбор, упорядочение и анализ больших объёмов данных. Большие данные (big data) питают искусственную нейронную сеть (набор алгоритмов, смоделированный по образцу работы человеческого мозга), после чего интерпретируются. Программисты не указывают машине, что делать с данными; вместо этого машина анализирует данные и принимает решения на основании усвоенного. В большинстве случаев чем больше данных она получает, тем точнее её решения. В исследовании оценили в общей сложности 2.283 женщины; у 278 из них впоследствии диагностировали рак молочной железы. Исследователи обнаружили, что по сравнению с женщинами без диагноза рака молочной железы женщины с раком во время маммографии были старше (медиана 55,7 против 54,6 года), имели большую площадь плотной ткани (медиана 38,2 против 34,2 cm²) и более высокую процентную плотность (медиана % 25,6 против 24.0 процента).

• Связанная тема: Что такое плотная молочная железа? Почему при плотной молочной железе риск рака выше? По сравнению с площадью плотной ткани и процентной плотностью скорректированный по возрасту показатель риска глубокого обучения давал более точные результаты. Частота ложноотрицательных результатов (ошибочного доброкачественного заключения при фактическом наличии рака) была ниже для скорректированного по возрасту показателя глубокого обучения; наиболее выраженной эта разница была при более агрессивных видах рака. В целом модель на основе глубокого обучения, представляющая собой модель искусственного интеллекта на искусственных нейронных сетях, превосходила прогностическую модель на основе плотности. В результате теперь считается практически несомненным, что системы поддержки принятия решений, использующие эти алгоритмы искусственного интеллекта, которые пока преимущественно обучаются в соревновании со специалистами, в ближайшем будущем — предположительно в течение 10 лет — будут играть важную роль в диагностике рака и определении риска рака.