Глубокое обучение позволяет проводить двойной скрининг на рак и сердечно-сосудистые заболевания - Производство ЭКОтехнологии

Глубокое обучение позволяет проводить двойной скрининг на рак и сердечно-сосудистые заболевания

Сердечные заболевания и рак являются основными причинами смерти в Соединенных Штатах, и все чаще понимается, что они имеют общие факторы риска, включая употребление табака, диету, артериальное давление и ожирение. Таким образом, диагностический инструмент, позволяющий проводить скрининг сердечно-сосудистых заболеваний, когда пациент уже проходит обследование на рак, может ускорить диагностику, ускорить лечение и улучшить результаты лечения пациентов.

В исследовании, опубликованном сегодня в Nature Communications , команда инженеров из Политехнического института Ренсселера и клиницисты из Массачусетской больницы общего профиля разработали алгоритм глубокого обучения, который может помочь оценить риск сердечно-сосудистых заболеваний у пациента с той же компьютерной томографией (КТ) с низкой дозой облучения. для скрининга на рак легких. Этот подход открывает путь к более эффективной, более экономичной и низкоуровневой диагностике, не требуя от пациентов повторной компьютерной томографии.

«В этой статье мы демонстрируем очень хорошую производительность алгоритма глубокого обучения для выявления пациентов с сердечно-сосудистыми заболеваниями и прогнозирования рисков их смертности, что показывает многообещающие возможности преобразования низкодозной компьютерной томографии для скрининга рака легких в инструмент двойного скрининга», – сказал Пинкун Ян. доцент кафедры биомедицинской инженерии и член Центра биотехнологии и междисциплинарных исследований (CBIS) в Ренсселере.

Чтобы сделать эту двойную проверку возможной, пришлось преодолеть множество препятствий. КТ-изображения с низкой дозой, как правило, имеют более низкое качество изображения и более высокий уровень шума, что затрудняет просмотр деталей изображения. Используя большой набор данных из Национального исследования легочного скрининга (NLST), Ян и его команда использовали данные из более чем 30 000 КТ изображений с низкой дозой для разработки, обучения и проверки алгоритма глубокого обучения, способного отфильтровывать нежелательные артефакты и шум, а также извлечение признаков, необходимых для диагностики. Исследователи подтвердили алгоритм, используя дополнительные 2085 изображений NLST.

Команда Ренсселера также сотрудничала с Массачусетской больницей общего профиля, где исследователи смогли протестировать этот подход глубокого обучения на основе новейших сканирований и опыта радиологов больницы. По словам Яна, разработанный Ренсселером алгоритм не только доказал свою высокую эффективность при анализе риска сердечно-сосудистых заболеваний у пациентов с высоким риском с использованием КТ с низкой дозой, но также оказался столь же эффективным, как и рентгенологи, при анализе этих изображений. Кроме того, алгоритм точно имитировал производительность специальной компьютерной томографии сердца, когда он был протестирован на независимом наборе данных, собранных у 335 пациентов в больнице общего профиля Массачусетса.

«Это инновационное исследование является ярким примером того, как биоимиджинг и искусственный интеллект могут быть объединены для улучшения и оказания медицинской помощи пациентам с большей точностью и безопасностью», – сказал Дипак Вашишт, директор CBIS.

Ссылка на основную публикацию