Використання ШІ для прогнозування раку молочної залози та персоналізації допомоги MIT News Массачусетський інститут ім
Прес-контакт:
Попереднє зображення Наступне зображення
Незважаючи на значний прогрес у генетиці та сучасній візуалізації, більшість хворих на рак молочної залози застає зненацька діагнозом. Для деяких це надто пізно. Пізніший діагноз означає агресивне лікування, невизначені результати та більші медичні витрати. Як результат, виявлення пацієнтів було центральним елементом досліджень раку молочної залози та ефективного раннього виявлення.
З огляду на це, група з Лабораторії комп'ютерних наук та штучного інтелекту MIT (CSAIL) та Массачусетської загальної лікарні (MGH) створила нову модель глибокого навчання, яка може передбачити на мамографії, чи може пацієнт розвинути рак молочної залози на стільки ж як п’ять років у майбутньому. Навчавшись на мамографіях та відомих результатах у понад 60 000 пацієнтів із MGH, модель дізналася тонкі закономірності в тканинах молочної залози, які є попередниками злоякісних пухлин.
Професор Массачусетського технологічного університету Реджина Барзілай, яка сама пережила рак молочної залози, каже, що надії на такі системи дозволять лікарям налаштовувати скринінгові та профілактичні програми на індивідуальному рівні, роблячи пізню діагностику пережитком минулого.
Хоча було показано, що мамографія зменшує смертність від раку молочної залози, продовжуються дискусії щодо того, як часто проводити скринінг та коли починати. Хоча Американське онкологічне товариство рекомендує проводити щорічний скринінг, починаючи з 45 років, Профілактична робоча група США рекомендує проводити скринінг кожні два роки, починаючи з 50 років.
"Замість того, щоб застосовувати універсальний підхід, ми можемо персоналізувати скринінг навколо ризику захворювання жінкою на рак", - говорить Барзілай, старший автор нової статті про проект, який сьогодні виходить у "Радіології". "Наприклад, лікар може порекомендувати одній групі жінок робити мамографію раз на другий рік, тоді як інша група більш високого ризику може пройти додатковий скринінг МРТ". Барзілай є професором Delta Electronics в CSAIL та кафедрою електротехніки та комп'ютерних наук в Массачусетському технологічному інституті та членом Інституту інтегративних досліджень раку Коха в Массачусетському технологічному інституті.
Модель команди значно краще прогнозувала ризик, ніж існуючі підходи: вона точно помістила 31 відсоток усіх хворих на рак до категорії найвищого ризику, порівняно з лише 18 відсотками для традиційних моделей.
Професор Гарварда Констанс Леман каже, що раніше медична спільнота не отримувала мінімальної підтримки для скринінгових стратегій, які залежать від ризику, а не від віку.