Нещодавнє дослідження, опубліковане в Clinical Breast Cancer, розкриває, що моделі глибокого навчання мають потенціал бути ефективними прогностичними інструментами для прогнозування прогнозу раку грудей. Під керівництвом доктора Цзуньцзи Хана і його команди з Асоційованої лікарні при Кяотоуському університеті в Китаї, дослідження показало успіх моделі, яка поєднує дані з мамографічних та ультразвукових зображень та інших характеристик для точного прогнозування виживання без захворювання у пацієнтів з раком грудей.
Дослідники наголосили на покращеній продуктивності комбінованої моделі, що використовує як мамографічні, так і ультразвукові зображення, порівняно з використанням окремих методів зображень. Використовуючи штучний інтелект та техніки глибокого навчання, радіологи досліджують нові можливості для вдосконалення діагностики та прогнозування раку грудей.
У цьому дослідженні команда зібрала дані 1242 пацієнтів з 2013 по 2018 роки, розділивши їх на групи для навчання та тестування. Вони використали моделі глибокого навчання з використанням ResNet50 та інтегрували клінічні дані та характеристики зображення для вибору незалежних прогностичних факторів та створення клінічної моделі.
Загалом було розроблено п’ять моделей: глибоке навчання за допомогою ультразвуку, глибоке навчання за допомогою мамографії, глибинне навчання за допомогою мамографії та ультразвуку, клінічна модель і комбінована модель. Дослідники виявили, що комбінована модель, яка поєднує зображення з обох методик разом із патологічними, клінічними та радіографічними характеристиками, проявила найвищу прогностичну продуктивність серед аналізованих моделей.
Варто зауважити, що деякі патологічні та клінічні характеристики можуть бути отримані лише після операції. Отже, комбінована модель має велике значення в прогнозуванні прогнозу після операції. Крім того, у дослідженні наголошується на взаємодоповненні ультразвуку та мамографії при зображенні грудної залози, де ультразвук використовується для спостереження форми і характеристик ураження, а мамографія використовується для ідентифікації кальцифікацій.
Незважаючи на те, що дослідження свідчить про перспективні результати, автори вимагають зовнішньої перевірки у майбутніх дослідженнях для вимірювання ефективності та загальнозастосовності моделей. Незважаючи на це, використання моделей глибокого навчання має великий потенціал у вдосконаленні прогнозування прогнозу раку грудей та, врешті-решт, покращенні результатів для пацієнтів.
Корисні визначення:
– Прогноз: Ймовірний хід або результат медичного стану.
– Моделі глибокого навчання: Комп’ютерні моделі, що використовують техніки штучного інтелекту для обробки великих обсягів даних та здійснення прогнозів або класифікацій.
– Мамографія: Образацька техніка, що використовує рентгенівські промені для дослідження грудної залози на наявність ознак раку грудей або інших аномалій.
– Ультразвук: Діагностична образотворча техніка, що використовує високочастотні звукові хвилі для отримання зображень структур в організмі.
– Радіологи: Лікарі, які спеціалізуються на інтерпретації медичних зображень, таких як рентгенограми, комп’ютерні томографії та мамографії.
Запропоновані пов’язані посилання:
– cancer.org
– National Center for Biotechnology Information (NCBI)
– breastcancer.org
The source of the article is from the blog krama.net