В БФУ им. И. Канта разработали ИИ-модель для ранней диагностики рака поджелудочной железы

КАЛИНИНГРАД, /НИА-КАЛИНИНГРАД/. Исследователи БФУ им. И. Канта совместно с коллегами из Южного федерального университета разработали уникальную нейросетевую модель для ранней диагностики рака поджелудочной железы.

Его часто выявляют на поздних стадиях, когда прогноз для пациента крайне неблагоприятен: пятилетняя выживаемость составляет около 9%, сообщает пресс-служба университета.

По словам профессора Института высоких технологий БФУ им. И. Канта Михаила Никитина, разработанная интеллектуальная система на основе нейросетевой архитектуры U-Net способна автоматически анализировать КТ-снимки и выявлять подозрительные новообразования. Диагностическая модель продемонстрировала высокие показатели: коэффициент сходства Dice — 70 %, точность — 88%, чувствительность — 98%, специфичность — 98%.

  В сообщении утоняется, что программа разрабатывалась как система поддержки принятия решения для врачей-рентгенологов, онкологов, хирургов. Система не просто отмечает наличие опухоли на изображении, а выделяет ее на КТ-снимке — почти так же точно, как опытный врач. Программа позволяет выявлять новообразования поджелудочной железы даже небольшого размера, что важно для ранней диагностики.

«Представьте, что у врачей есть снимки компьютерной томографии (КТ) брюшной полости — на них нужно найти подозрительный участок/опухоль в поджелудочной железе. Обычно это делает рентгенолог: он внимательно изучает каждый снимок из большого количества снимков — это кропотливая работа, требующая достаточно длительного времени и большого опыта. В нашем исследовании мы создали компьютерную программу с нейросетевым алгоритмом (ИИ), которая помогает врачам находить подозрительные участки/новообразования поджелудочной железы. Программа обучена на реальных снимках КТ — с опухолями поджелудочной железы и без них. В дальнейшем подозрительные участки будут дообследованы»,- рассказал один из авторов исследования, аспирант БФУ им. И. Канта Фёдор Парамзин.

  Как отмечает Фёдор Парамзин, система не заменяет врача, а выступает его умным помощником. Она значительно ускоряет процесс анализа снимков и снижает риск пропуска новообразований малых размеров. Окончательное решение в выборе тактики дообследования (биопсия, магнитно-резонансная томография, позитронно-эмиссионная томография) и оптимальной стратегии лечения всегда принимает врач-специалист.
   Отмечается, что в дальнейшем группа исследователей планирует повысить качество и эффективность алгоритма программы за счет добавления КТ‑снимков с разными типами и стадиями опухолей; внедрения дополнительных диагностических признаков (текстурные, радиомические и морфологические параметры); использования более сложных архитектур нейронных сетей; интеграции данных КТ с мультимодальными данными других методов визуализации (МРТ, УЗИ); проведения внешней валидации на многоцентровых данных.