Исследователи разработали модель искусственного интеллекта, которая может в режиме реального времени предсказать, удалили ли хирурги всю раковую ткань во время операции по поводу рака молочной железы, путем изучения маммограмм удаленной ткани. Модель работала так же или даже лучше, чем врачи-люди.
Предпочтительным методом лечения рака молочной железы на ранней стадии является органосохраняющая операция или частичная мастэктомия в сочетании с лучевой терапией. Вся раковая ткань молочной железы должна быть удалена во время операции, чтобы предотвратить возвращение рака. Метод осмотра заключается в проверке внешнего края резецированной ткани на предмет отсутствия в ней раковых клеток, что является «отрицательным краем».
Маммография тканей (образцовая маммография) является широко распространенным способом обеспечения отрицательных границ, поскольку ее можно выполнять в операционной и обеспечивает немедленную обратную связь. Однако визуализация образца молочной железы может быть неточной, и если позже будут обнаружены раковые клетки, может потребоваться дополнительная операция для удаления большего количества ткани.
Исследователи из Медицинской школы Университета Северной Каролины (UNC) разработали модель искусственного интеллекта, которая может в режиме реального времени предсказать, была ли полностью удалена раковая ткань во время операции по поводу рака молочной железы.
Кристалин Галлахер, один из авторов исследования, сказала: «Некоторые виды рака вы можете почувствовать и увидеть, но мы не можем видеть крошечные раковые клетки, которые могут присутствовать на краях удаленной ткани. Другие виды рака полностью микроскопические. Этот инструмент искусственного интеллекта позволит нам более точно анализировать удаленные хирургическим путем опухоли в режиме реального времени и увеличит вероятность удаления всех раковых клеток во время операции. Это избавит пациентов от необходимости проходить вторую или третью операцию».
Чтобы «научить» модель ИИ, как выглядят отрицательные и положительные границы, исследователи использовали 821 образец маммографического изображения, сделанного сразу после резекции и сопоставленного с окончательными отчетами об образцах патологоанатомов. Более половины (53%) изображений имели положительный край. Они также предоставили модели демографические данные пациентов, такие как возраст, раса, тип опухоли и размер опухоли.
Они обнаружили, что модель искусственного интеллекта имела чувствительность 85%, специфичность 45% и площадь под кривой рабочей характеристики приемника (AUROC) 0,71. Чувствительность измеряет способность модели обнаруживать положительные случаи, а специфичность измеряет долю истинно отрицательных случаев, которые модель правильно идентифицирует. AUROC измеряет общую производительность модели, предоставляя значение от 0 до 1, где 0,5 представляет собой случайное предположение, а 1 представляет собой идеальную производительность.
Исследователи говорят, что по сравнению с точностью человеческих интерпретаций модели ИИ работают так же или даже лучше, чем люди. Чтобы представить это в перспективе, предыдущие исследования показали, что чувствительность визуализации образцов молочной железы колеблется от 20% до 58%, а AUROC — от 0,60 до 0,73.
«Интересно подумать о том, как модели искусственного интеллекта могут использовать компьютерное зрение для поддержки принятия решений врачами и хирургами в операционной», — сказал Кевин Чен, первый автор исследования. «Мы обнаружили, что модели ИИ так же хороши или даже немного лучше, чем люди, в выявлении положительных сторон».
Модель помогает определить границы у пациенток с более плотной грудью. На маммограмме плотная ткань молочной железы и опухоли выглядят ярко-белыми, что затрудняет различие здоровых тканей от раковых.
Исследователи говорят, что их модель искусственного интеллекта может быть использована в больницах с меньшим количеством ресурсов, таких как хирурги-специалисты, рентгенологи или патологоанатомы, для принятия быстрых и обоснованных решений в операционной.
«Это похоже на предоставление дополнительного уровня поддержки больницам, у которых может не быть опыта», — сказал соавтор Шон Гомес. «Вместо того, чтобы делать предположения, хирурги могут опираться на модели, обученные на сотнях или тысячах изображений, и получать немедленную хирургическую обратную связь для принятия более обоснованных решений».
Модель искусственного интеллекта все еще находится на ранней стадии разработки, и исследователи продолжат обучать ее с помощью большего количества маммограмм, чтобы повысить точность определения краев. Эта модель требует дальнейших исследований и проверки, прежде чем ее можно будет применять в клинических приложениях.
Исследование было опубликовано в журнале Annals of Surgical Oncology.