Искусственный интеллект играет все большую роль в диагностике и лечении рака

Новая система искусственного интеллекта смогла определить исходы рака не хуже, чем человек.

Отредактировано 2023-17-06
Фотография рака

Врачи надеются, что будущее лечения рака за индивидуальным подходом: Используя генетику, они смогут подбирать пациентам именно тот препарат или вариант лечения, который будет бороться с их опухолью. Однако информация о генетике опухолей часто не связана с данными о том, насколько хорошо пациенты с такими опухолями справлялись с конкретным лечением. Это затрудняет для исследователей подбор лечения для отдельных пациентов. "Иногда все, что известно, это то, сколько прожили пациенты с определенной патологией, если это вообще известно", - говорит Кеннет Кел, медицинский онколог из Онкологического института Дана-Фарбер в Бостоне. "Задавать вопросы о том, какие мутации предсказывают пользу от того или иного лечения, оказалось сложнее, чем можно было ожидать".

Чтобы облегчить эти проблемы, Кель работал в команде, которая разработала алгоритм машинного обучения, позволяющий извлекать информацию из записей врачей и радиологов в электронных медицинских картах, чтобы определить, как прогрессирует рак у конкретных пациентов. Их инструмент, опубликованный на этой неделе в журнале JAMA Oncology, в будущем может помочь определить пациентов, которым полезны клинические испытания или другие специфические вмешательства, и это часть более масштабных усилий по внедрению искусственного интеллекта в онкологию.

Большая часть информации о развитии опухолей у онкологических больных содержится в письменных записях радиологов, которые изучают снимки и отслеживают изменения в состоянии рака. Поскольку это необработанный текст, а не выбор из выпадающего меню или точки данных в электронной таблице, большинство аналитических методов не могут извлечь необходимую информацию. Инструмент, созданный в данном исследовании, использовал улучшения в машинном обучении языку для выявления этих деталей в электронных медицинских записях.

Система машинного обучения смогла определить исходы рака так же хорошо, как и люди, и гораздо быстрее. Люди могли просмотреть только три истории болезни в час. Этот инструмент смог бы проанализировать всю когорту из тысяч онкологических больных примерно за 10 минут.

Гипотетически, говорит Кель, этот инструмент можно было бы использовать для проверки медицинских карт каждого пациента в учреждении и выявления тех, кто имеет право на участие в клинических испытаниях и нуждается в них, а также подбора для них наилучших методов лечения на основе характеристик их заболевания. "Можно найти пациентов в широких масштабах", - говорит Кель.

Для этого конкретного инструмента сканы, полученные от раковых больных, первоначально читались людьми-рентгенологами. Но искусственный интеллект и машинное обучение также могут читать изображения, и исследования показывают, что они могут анализировать снимки опухолей так же эффективно, как и радиологи-люди. В другом исследовании, опубликованном в этом месяце, радиологи и специалисты по искусственному интеллекту совместно разработали алгоритм, позволяющий определить, следует ли проводить биопсию шишек на щитовидной железе, и обнаружили, что рекомендации инструмента машинного обучения по проведению биопсии аналогичны рекомендациям экспертов-радиологов, использующих систему Американского колледжа радиологии (ACR).

Оценка опухолей щитовидной железы может занимать много времени, и радиологи могут столкнуться с трудностями при использовании системы ACR. "Мы хотели узнать, может ли глубокое обучение выполнять эти решения автоматически", - говорит автор исследования Мацей Мазуровски, доцент кафедры радиологии и электротехники и компьютерной инженерии Университета Дьюка.

По словам Мазуровски, предстоит еще много работы над искусственным интеллектом и анализом снимков, прежде чем эти инструменты смогут занять место радиологов, но последние исследования показывают, что ИИ может работать на уровне радиологов. "Последний вопрос, даже если мы сможем показать, что они работают так же хорошо, как и люди, будет заключаться в том, будут ли они внедрены в систему здравоохранения и в какой степени. Дело не только в том, работает ли это".

По словам Келя, визуальный анализ находится дальше в медицине и онкологии, чем текстовый анализ, но и тот и другой могут стать компонентами интеграции машинного обучения в обычную практику оказания медицинской помощи. Например, можно было бы интегрировать машинную интерпретацию снимков в общий анализ электронной медицинской карты, говорит он. "Это означает, что нужно посмотреть, сколько информации мы получаем от самих изображений, сколько мы получаем от человеческой интерпретации, и что мы можем получить от модели, рассматривающей изображения", - говорит он. "Оптимальная стратегия все еще неизвестна".

По словам Келя, представляется возможным, что в будущем искусственный интеллект поможет выявлять и отслеживать развитие рака. "Необходимо выяснить, как мы можем включить искусственный интеллект в целом, а также в визуализацию, патологию и медицинские записи, в клинический рабочий процесс", - говорит Кель.