Разработана ИИ-модель для ранней диагностики рака поджелудочной железы
Ученые Балтийского федерального университета (БФУ) имени Иммануила Канта с помощью искусственного интеллекта (ИИ) разработали модель для ранней диагностики рака поджелудочной железы по КТ-снимкам. Об этом ТАСС сообщили в Минобрнауки России.
"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 %. Разработанная интеллектуальная система на основе нейросетевой архитектуры U-Net способна автоматически анализировать КТ-снимки и выявлять подозрительные новообразования", - сказано в сообщении.
По словам профессора Института высоких технологий БФУ им. И. Канта Михаила Никитина, диагностическая модель продемонстрировала высокие показатели: точность - 88%, чувствительность - 98%, специфичность - 98%. 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 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, 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 Федор Парамзин.
Разработанная модель имеет ряд ключевых преимуществ перед аналогами. Внедрение этой технологии позволит ускорить анализ медицинских изображений, повысить вероятность выявления опухолей на ранних стадиях и стандартизировать диагностику, снизив влияние субъективного фактора. В перспективе метод может быть масштабирован на другие центры и регионы при адаптации под локальные протоколы и требования к клиническим процессам.