Рак молочной железы является основной причиной смерти от онкологии среди женщин. Болезнь может быть крайне агрессивна, но проблема ещё и в том, что её бывает сложно диагностировать. Так, почти в каждом десятом случае опухоль ошибочно признаётся незлокачественной, а значит, пациент теряет драгоценное время, ведь на ранних стадиях эффективность лечения может быть выше.
С другой стороны, чем больше маммограмм делает женщина, тем более вероятно, что процедура даст ложноположительный результат. По данным специалистов, когда пациентки в течение десяти лет ежегодно проходят такое обследование, примерно в двух случаях из трёх женщины, у которых на самом деле нет рака, слышат страшный диагноз. Затем следует инвазивное вмешательство (как правило, биопсия), чтобы подтвердить или опровергнуть опасения медиков.
Альтернативным способом диагностики является ультразвуковая эластография. Это относительно новая методика визуализации, которая позволяет говорить о характере новообразования в молочной железе (злокачественное или доброкачественное) на основе данных о его жёсткости. В истоках этой методики – обычная пальпация, которая с давних времён помогала докторам выявлять опухоли, нащупывая "шишки" или уплотнения в груди женщин.
Однако сегодня такой процесс классификации опухоли в вычислительном отношении является очень сложным и длительным, так как он основывается на оценке пространственного распределения механических свойств тканей.
Чтобы упростить процесс диагностики, исследователи из Южно-Калифорнийского университета решили обратиться за помощью к искусственному интеллекту. Они создали алгоритм, который анализирует изображения, пропуская самые трудоёмкие этапы процесса.
Авторы исследования поясняют, что рак вызывает различные изменения в ткани, на которую он воздействует. В конечном итоге физические свойства этой ткани (скажем, плотность или пористость) могут измениться. Это и есть сигнал, который алгоритм должен распознать.
Что касается раковой ткани молочной железы, то она имеет два ключевых свойства: неоднородность (некоторые области являются мягкими, а некоторые уплотнёнными) и нелинейную эластичность (волокна злокачественной опухоли демонстрируют большую сопротивляемость при натяжении, чем волокна доброкачественной опухоли).
Учёные создали искусственные "модели" опухолей с различными показателями неоднородности и нелинейной эластичности и использовали их для тренировки алгоритма машинного обучения.
Команда признаётся, что это была вынужденная мера: если бы в наличии было достаточно реальных изображений, то прибегать к "искусственным опухолям" не пришлось бы. Но за неимением таких образцов исследователи создали около 12 тысяч изображений, на которых искусственный интеллект обучался различать злокачественные и доброкачественные новообразования. (Примерно так же система идентификации с помощью входных данных учится распознавать на получаемых изображениях конкретных людей.)
После тренировок точность алгоритма составила почти 100%.
Затем последовала проверка: системе показывали реальные изображения, а ответы сравнивали с диагнозами, подтверждёнными биопсией. В данном случае алгоритм был точен на 80%. Но это не окончательный показатель, поскольку сейчас разработчики продолжают обучать алгоритм на реальных изображениях.
Впрочем, исследователи понимают, что даже после такого усовершенствования диагнозы, поставленные искусственным интеллектом, не должны будут приниматься за истину в последней инстанции. Речь идёт об инструменте, который сделает работу врачей более эффективной, но не заменит её.
Более того, команда намерена в будущем тем же способом улучшить диагностику рака почек. Для этого искусственный интеллект обучат анализировать изображения, полученные с помощью компьютерной томографии с контрастным усилением, и выявлять специфические изменения в тканях.
Научная статья с более подробным описанием этой работы опубликована в журнале Computer Methods in Applied Mechanics and Engineering.
Кстати, ранее авторы проекта "Вести.Наука" (nauka.vesti.ru) рассказывали о "калькуляторе" рака груди, который поможет медикам оценить риск развития болезни, и о таблетке, которая заставит опухоль светиться. Также напомним о том, как искусственный интеллект научили строить прогнозы о развитии рака.
