Об этом сообщается в новом исследовании, опубликованном в издании Scientific Reports ( Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework). Ведущий автор работы доктор Люк Оукден-Рейнер (Luke Oakden-Rayner) из Школы общественного здоровья (School of Public Health) при Университете Аделаиды (The University of Adelaide) и его коллеги полагают, что новые данные могут быть полезны в плане развития индивидуализированной медицины.
Национальные институты здравоохранения США (National Institutes of Health) определяют индивидуализированную медицину как «новый подход к профилактике и лечению заболеваний, учитывающий различия в генах, окружении и стиле жизни конкретных людей».
Как отмечают авторы нового исследования, индивидуализированная медицина основана на открытии биомаркеров, являющихся точными предикторами риска развития болезни, ответа на лечение и прогноза. Учёные полагают, что важную роль в новом подходе может сыграть радиология:
«…мы полагаем, что снимки, получаемые в ходе обычного радиологического обследования, долгое время игнорировались в контексте индивидуализированной медицины. Мы считаем, что использование мощных современных технологий машинного обучения в приложении к радиологическим снимкам может привести к открытию новых информативных биомаркеров. Недавние разработки в области анализа снимков продемонстрировали, что результаты автоматизированной обработки изображений при многих заболеваниях по точности сопоставимы с результатами биопсии, микроскопии и даже анализа ДНК».
В ходе исследования доктор Оукден-Рейнер и его коллеги решили выяснить, можно ли обучить компьютер распознавать компьютерные томограммы таким образом, чтобы предсказать 5-летнюю выживаемость больных. Для начала учёные собрали более 15 тысяч снимков семи различных тканей, в том числе – сердечных и лёгочных. Все томограммы принадлежали пациентам в возрасте 60 лет и старше. Используя метод логистической регрессии, исследователи выделили ряд признаков, связанных с 5-летней выживаемостью. Затем учёные объединили полученные данные с технологией глубокого обучения, предполагающей, что компьютер сам будет «учиться» распознавать снимки.
«Компьютеры способны объединить большие объёмы данных и выделить малозаметные детали», – поясняет доктор Оукден-Рейнер.
На следующем этапе работы учёные использовали «обученный» компьютер, чтобы проанализировать КТ грудной клетки 48 пациентов в возрасте 60 лет и старше. Исследователи обнаружили, что автоматизированная система способна предсказать 5-летнюю выживаемость с точностью 69% в сравнении с прогнозом, сделанным врачами-специалистами.
Из 25 пациентов, отнесенных программой к группе низкого риска,
за 5 лет умерло 2 человека, из 23 в группе высокого риска – 20.
График из статьи в Scientific Reports – ВМ.
«Хотя для исследования использовалась небольшая выборка, наша работа демонстрирует, что компьютер научился распознавать проявления заболеваний на снимках. Для того чтобы обучить этому врачей, необходимо специальное интенсивное обучение», – добавляет доктор Оукден-Рейнер.
В планах группы исследований – опробовать разработанную технику на десятках тысяч пациентских снимков. Но авторы исследования уже сейчас утверждают, что их работа продемонстрировала принципиальную возможность использования машинного обучения и компьютерной томографии в развитии индивидуализированной медицины. В частности, новая методика может использоваться для раннего выявления серьёзных заболеваний, требующих специфического лечения.
Анна Ставина, ХХ2 век, по материалам Medical News Today:
Patient mortality could be predicted through computer analysis of organs
