ИИ выявил рак поджелудочной за годы до диагноза по КТ-снимкам

Система искусственного интеллекта научилась обнаруживать признаки рака поджелудочной железы за несколько лет до того, как заболевание фиксируется стандартными методами диагностики. Результаты исследования опубликованы в журнале Gut.

Рак поджелудочной железы относится к наиболее агрессивным онкологическим заболеваниям. По данным наблюдений, пятилетняя выживаемость остается на уровне около 12–13%, что связано с поздним выявлением болезни. На ранних стадиях патология, как правило, не проявляет симптомов и не определяется при обычной компьютерной томографии.

Для решения этой проблемы исследователи разработали алгоритм REDMOD (Radiomics-based Early Detection Model). Система анализирует КТ-изображения, преобразуя их в трехмерные модели поджелудочной железы и оценивая структуру тканей на уровне отдельных пикселей. Такой подход позволяет выявлять микроскопические изменения, которые не фиксируются при стандартной визуальной оценке.

По словам радиолога клиники Mayo Clinic Аджита Гоенки, модель сравнивает характеристики каждого участка ткани с контрольными данными и определяет отклонения, которые могут указывать на ранние стадии опухолевого процесса. Он отмечает, что развитие рака может начинаться за 10–15 лет до клинических проявлений.

В ходе испытаний система была протестирована на КТ-снимках 219 пациентов, у которых первоначально не было выявлено патологий, однако впоследствии диагноз рака поджелудочной железы был подтвержден. В среднем алгоритм определял признаки заболевания за 475 дней до постановки диагноза.

Точность обнаружения ранних изменений составила 73%, что превышает показатели специалистов-рентгенологов, у которых этот показатель достигал 39%. Для снимков, сделанных более чем за два года до постановки диагноза, система демонстрировала точность 68% против 23% у врачей.

При этом способность корректно исключать заболевание у ИИ составила 81,1%, тогда как у радиологов — 92,2%. Исследователи подчеркивают, что технология не заменяет врача, а предназначена для повышения точности диагностики при совместной работе.

В настоящее время продолжаются клинические испытания системы. По оценке авторов, внедрение технологии в медицинскую практику может занять около пяти лет.