CC BY
89Применение искусственного интеллекта для диагностики онкологических заболеваний в современной медицине
Мягков Андрей Алексеевич,
аспирант кафедры технологий искусственного интеллекта Института искусственного интеллекта ФГБОУ ВО «МИРЭА -Российский технологический университет» E-mail: myagkov.andrey.ru@mail.ru
Куликов Александр Анатольевич,
кандидат технических наук, доцент кафедры технологий искусственного интеллекта Института искусственного интеллекта ФГБОУ ВО «МИРЭА - Российский технологический университет», доцент Департамента анализа данных и машинного обучения, Финансовый университет при Правительстве Российской Федерации E-mail: tibult41@gmail.com
Статья посвящена рассмотрению существующих систем искусственного интеллекта для диагностики онкологических заболеваний. С помощью официальных источников здравоохранения была описана текущая ситуация по заболеваемости и смертности от рака во всем мире и в России в частности. Из этих данных был сделан вывод, что рак является второй ведущей причиной смерти в России после сердечно-сосудистых заболеваний, а наиболее распространенными видами рака являются рак легких, рак молочной железы и колоректальный рак. Для решения данной проблемы предлагается использование систем искусственного интеллекта, а именно использование их в задачах организации диагностики, скрининга и оценки опухоли, стратификации риска, а также прогноза и планирования терапии. В качестве примеров данных систем рассматриваются результаты работ иностранных и российских команд, опубликованных в медицинских журналах и представленных на конференциях. На основе данных результатов делается вывод, что искусственный интеллект способен решать узкоспециализированные задачи в диагностике рака наравне со специалистами, а в некоторых случаях справляется лучше специалистов. Однако делается акцент на том, что ИИ следует использовать только как помощник в принятии решений, а не полную замену врачам-специалистам.
Ключевые слова: искусственный интеллект, онкология, диагностика.
Введение
Рак является одной из самых опасных и распространенных болезней для человечества. По данным Всемирной организации здравоохранения (ВОЗ), в 2020 году от рака умерло около 10 миллионов человек, что составляет 18% от всех смертей в мире, или каждую шестую смерть [1]. Также по данным Национального медицинского исследовательского радиологического центра Минздрава России, рак является второй ведущей причиной смерти в России после сердечно-сосудистых заболеваний. В 2020 году в России было зарегистрировано около 600 тысяч новых случаев рака и более 300 тысяч смертей от рака, а наиболее распространенными видами рака являются рак легких, рак молочной железы и колоректальный рак [2].
Существует множество факторов, которые могут способствовать развитию рака. Некоторые из них являются врожденными или генетическими, а другие связаны с образом жизни или воздействием окружающей среды. К врожденным факторам относятся наследственность, возраст, пол и раса. К факторам образа жизни относятся курение, алкоголь, неправильное питание, избыточный вес, недостаток физической активности и хронический стресс. К факторам окружающей среды относятся радиация, химические вещества, инфекции и загрязнение воздуха и воды. Многие из этих факторов можно предотвратить или уменьшить, если соблюдать здоровый образ жизни, делать регулярные медицинские осмотры и прививки.
Однако не все виды рака можно предсказать или вылечить: некоторые из них имеют высокую агрессивность, быстрое развитие и низкую чувствительность к лечению. Высокий уровень рецидивов и смертности от рака сочетается с длительным и дорогостоящим лечением. Снижение эффективности медицинской помощи на поздних стадиях заставляет исследователей и врачей искать новые способы раннего обнаружения опухолей. Искусственный интеллект (ИИ) революционизирует методы диагностики и лечения различных заболеваний, включая рак. Благодаря способности обрабатывать огромные объемы данных и делать прогнозы с поразительной точностью, алгоритмы ИИ может помочь в диагностики разных заболеваний, в том числе рака.
сз о
о Л о
о сз о в
Основная часть
ИИ используется на всех этапах лечебно-диагностического процесса в онкологии:
• Организация диагностики. ИИ повышает пропускную способность инструментальных методов исследования за счёт ускоренной вычислительной обработки. Также искусственный интеллект помогает получить диагностический снимок более высокого качества.
• Скрининг и оценка опухоли. Алгоритмы позволяют точно оценивать объём и структуру опухоли, анатомическое взаимоотношение с другими тканями, отслеживать множественные поражения. ИИ развивает диагностику в направлении неинвазивных методов: обследование пациента проводится без нарушения целостности тканей организма.
• Стратификация риска. Нейронная сеть на основе клинических данных (анамнез, диагностические снимки, патогистологические заключения, информация о биомаркерах) определяет уровень риска для опухоли, а также вероятность её дальнейшего прогрессирования.
• Прогноз и планирование терапии. На основе данных инструментальных исследований проводится оценка выживаемости пациента. С помощью медицинской визуализации алгоритмы предсказывают возможный ответ на иммунотерапию. ИИ способен с высокой точностью оценить остаточную опухоль ещё до проведения операции.
Помимо глубокого обучения, для выявления рака используются и другие методы ИИ, такие как компьютерное зрение и обработка естественного языка. Например, алгоритмы компьютерного зрения могут анализировать медицинские изображения и обнаруживать изменения в форме, размере или текстуре опухолей. Обработка естественного языка может использоваться для анализа медицинских записей и извлечения информации об истории болезни пациента, симптомах и факторах риска развития рака. Благодаря автоматизации некоторых аспектов диагностического процесса, таких как анализ изображений и анализ данных, врачи могут уделять больше времени пациенту и постановке диагноза. Кроме того, ИИ может помочь уменьшить количество ложноположительных или ложноотрицательных диагнозов, которые могут привести к ненужным процедурам или упущенным возможностям раннего лечения [3].
Одна из таких систем была разработана учеными из Швеции, Финляндии, Новой Зеландии и Великобритании, а ее результаты были опубликованы в журнал The Lancet в 2020 году. В ней происходило обнаружение и оценивание рака предстательной железы по данным игольчатых стержневых биопсий с помощью искусственного интеллекта. Для обучения глубоких нейронных сетей использовались 6682 оцифрованных биоптатов 976 случайно отобранных участников в возрасте 50-69 лет в рамках шведское го популяционного диагностического исследования М STHLM3 - теста на рак предстательной железы, Я который проводится с помощью анализа крови. ° Эффективность системы была определена путем ¡в анализа способности определять наличие, степень
и класс Глисона раковой ткани в отдельном тестовом наборе данных, состоящем из 1631 биопсии от 246 мужчин из STHLM3, а также в валидацион-ном наборе данных из 330 биопсий от 73 мужчин. Кроме того, точность градации оценивалась путем сравнения результатов 87 биопсий, которые были индивидуально оценены 23 высококвалифицированными урологами-патологами из Международного общества урологической патологии. Таким образом, ИИ показал впечатляющую площадь под кривой операционной характеристики 0,997 для правильной идентификации доброкачественных и злокачественных образцов биопсии в независимом тестовом наборе данных и 0,986 в наборе данных внешней валидации. Что касается присвоения оценок по Глисону, ИИ продемонстрировал среднюю парную каппу в 0,62, что соответствовало результатам экспертов-патологоанатомов, у которых соответствующие значения были в пределах 0,60-0,73.
Тем самым ИИ уже на текущий момент может работать также хорошо, а иногда даже и лучше, чем врачи в узкоспециализированных задачах [4]. По мере увеличения объема данных и совершенствования алгоритмов ИИ они смогут выявлять тонкие закономерности и аномалии в медицинских изображениях и данных пациентов, которые могут остаться незамеченными человеческими экспертами. Кроме того, интеграция ИИ с другими технологиями, такими как геномика и персонализированная медицина, способна произвести революцию в лечении рака, обеспечив более целенаправленную и эффективную терапию.
Российские исследователи и организации также изучают потенциал ИИ в области медицинской визуализации, машинного обучения и компьютерного зрения для повышения точности и эффективности диагностики рака. Используя огромный объем данных, генерируемых системами медицинской визуализации, алгоритмы ИИ могут помочь врачам в обнаружении раковых образований и принятии более обоснованных решений о лечении. Так, например, диагностика рака лёгких по данным компьютерной томографии улучшается благодаря опциям КТ Легких от российской команды СберМедИИ [5]. Сервис использует искусственный интеллект для обработки КТ-снимков, которые были собраны во время пандемии COVID-19. Таким образом, ретроспективный анализ позволяет медицинским учреждениям провести массовый скрининг населения по уже имеющимся архивам КТ исследований. Тем самым сервис:
• Автоматически измеряет степень и процент поражения тканей легких.
• Снижает риск пропустить рак на ранней стадии. Если ИИ обнаруживает новообразование размером более 4 мм, он подсвечивает все выявленные узловые новообразования, независимо от размера. Радиологу представляются подсвеченные участки для изучения при принятии решения о дальнейших диагностических мерах.
• Алгоритм выделяет очаги поражения в каждом разделе исследования и предоставляет готовое резюме результатов, тем самым снижая нагрузку на врачей и освобождая их от рутинных задач.
• Показывает максимально точный результат и сводит к минимуму ошибки в диагностике. Другим примером диагностики рака легкого
с помощью системы ИИ является работа нескольких Санкт-Петербургских институтов, представленная на конференции кардиоторакальной радиологии в 2019 году [6]. В ней система была обучена с использованием открытых баз данных Lung Image Database Consortium (LIDC), включающих 1018 пациентов с КТ. Кроме того, использовалась база данных LIRA (Lung Images Resource Annotated). Обработка изображений для тренинга IASD, направленного на выявление объемных образований, проводилась на суперкомпьютере. База данных ЛИРА была маркирована с учетом патологии с помощью разработанной на заказ программы «Medical Artificial Intelligence Assistant» (MAIA). Система была обучена распознавать форму, внутреннюю структуру и внешнюю среду объекта. Для этого была проведена аппроксимация этих характеристик с помощью длин хорд (отрезков, соединяющих наборы пар точек на поверхности объекта) и значений рентгеновской плотности с учетом изменения плотности в центральной и периферийной областях объекта. Для уменьшения размерности данных была проведена математическая обработка и построены гистограммы. Эти гистограммы использовались в качестве признаков и подавались на вход системы классификации для обучения. Система смогла обнаружить узлы в легких размером до 2 мм. Дифференциальная диагностика узловых новообразований проводилась с помощью сиамских нейронных сетей, которые сравнивали каждый новый образец с каждым образцом в базе данных. При тестировании на открытых базах данных информативность системы составила 95,8% чувствительности, 97,5% специфичности и 96,2% точности.
В последние годы ИИ добился значительных успехов в исследованиях, диагностике и терапии рака. Например, в 2020 году Управление по контролю за продуктами и лекарствами одобрило первое программное обеспечение на основе ИИ для быстрой обработки изображений и помощи радиологам в выявлении рака молочной железы на скрининговых маммограммах. Преимущества использования ИИ в диагностики рака заключаются в том, что он может повысить скорость, точность и доступность диагностических процедур, а также уменьшить человеческий фактор и ошибки. Кроме того, ИИ может помочь в обнаружении ранних стадий рака, когда лечение наиболее эффективно. Однако, ИИ не может заменить врача, а лишь служить ему инструментом и помощником в принятии решений, так как его использование вызывает множество этических вопросов. Например, возможность принятия ИИ ошибочных решений, трудности в проверке результатов систем ИИ,
наличие предубеждений в используемых данных, применяемых для обучения систем ИИ и обеспечение защиты данных.
Выводы
В заключение следует отметить, что использование ИИ для выявления рака на ранних стадиях является перспективным направлением в области медицинской диагностики. Способность анализировать огромные объемы медицинских данных и выявлять закономерности, которые могут указывать на наличие рака, может значительно повысить точность и эффективность диагностического процесса. Это может привести к более раннему обнаружению рака, что крайне важно для повышения шансов на успешное лечение.
Литература
1. Cancer // World Health Organization. - 2020 [Электронный ресурс]. - Режим доступа: https://www. who.int/health-topics/cancer#tab=tab_1. Дата доступа: 21.03.2023.
2. Russian Federation Fact Sheets // International Agency for Research on Cancer. - 2021 [Электронный ресурс]. - Режим доступа: 643-russian-federation-fact-sheets.pdf (iarc.fr). Дата доступа: 21.03.2023.
3. Попов Г.В., Чуб А.А., Лернер Ю.В., Цой Л.В., Дубинина А.В., Варшавский В.А. Искусственный интеллект в диагностике рака предстательной железы. Архив патологии. 2021;83(2):38-45.
4. McKinney, S. M. et al. International evaluation of an AI system for breast cancer screening. Nature 577, 89-94 (2020)
5. SberMedAI: [Электронный ресурс]. М., 2022. URL: https://sbermed.ai/diagnostic-center/our-al-gorithms/ct-lungs/. Дата доступа: 21.03.2023
6. Реализация системы искусственного интеллекта в диагностике рака легкого / А.А. Мелдо, Л.В. Уткин, Т.Н. Трофимова [и др.] // Кардиото-ракальная радиология: VI Международный конгресс и школа для врачей, Санкт-Петербург, 21-23 марта 2019 года. - Санкт-Петербург: Санкт-Петербургская общественная организация «Человек и его здоровье», 2019. - С. 127129. - EDN VXUWVZ.
THE USE OF ARTIFICIAL INTELLIGENCE FOR THE DIAGNOSIS OF ONCOLOGICAL DISEASES IN MODERN MEDICINE.
Myagkov A.A., Kulikov A.A.
MIREA - Russian Technological University
The article is devoted to the consideration of existing artificial intelligence systems for cancer diagnostics. Using official public health sources, the current situation with cancer morbidity and mortality worldwide and in Russia in particular was described. From this data it was concluded that cancer is the second leading cause of death in Russia after cardiovascular disease, and the most common types of cancer are lung cancer, breast cancer, and colorectal cancer. To solve this problem the use of artificial intelligence systems is proposed, namely their use in the tasks of organizing diagnostics,
C3
о
о Л о
о сз о в
screening and evaluation of tumors, risk stratification, as well as prognosis and therapy planning. As examples of these systems are considered the results of works of foreign and Russian teams, published in medical journals and presented at conferences. On the basis of these results, it is concluded that artificial intelligence is able to solve highly specialized tasks in cancer diagnosis on a par with specialists, and in some cases it copes better than specialists. However, the emphasis is placed on the fact that AI should be used only as an assistant in decision-making, and not as a complete replacement for specialist doctors.
Keywords: artificial intelligence, oncology, diagnostics. References
1. Cancer // World Health Organization. - 2020 [Electronic resource]. - Access mode: https://www.who.int/health-topics/can-cer#tab=tab_1. Date of access: 21.03.2023.
2. Russian Federation Fact Sheets // International Agency for Research on Cancer. - 2021 [Electronic resource]. - Access mode: 643-russian-federation-fact-sheets.pdf (iarc.fr). Date of access: 21.03.2023.
3. Popov G.V., Chub A.A., Lerner Y.V., Tsoy L.V., Dubinina A.V., Varshavsky V.A. Artificial intelligence in the diagnosis of prostate cancer. Archives of Pathology. 2021;83(2):38-45.
4. McKinney, S. M. et al. International evaluation of an AI system for breast cancer screening. Nature 577, 89-94 (2020).
5. SberMedAI: [Electronic resource]. M., 2022. URL: https:// sbermed.ai/diagnostic-center/our-algorithms/ct-lungs/. Access date: 21.03.2023
6. Implementation of artificial intelligence system in the diagnosis of lung cancer / A.A. Meldo, L.V. Utkin, T.N. Trofimova [et al.] // Cardiothoracic Radiology: VI International Congress and School for Physicians, Saint Petersburg, March 21-23, 2019. -St. Petersburg: St. Petersburg public organization "Man and his health", 2019. - C. 127-129. - EDN VXUWVZ.
e
u
CM CO
