Исследователи из клиники Майо (США) представили модель искусственного интеллекта, способную выявлять людей из группы риска рака поджелудочной железы примерно за три года до возможной постановки диагноза. О разработке они рассказали на ежегодном клиническом конгрессе Американского колледжа хирургов.
Почему ранняя диагностика так важна
Рак поджелудочной железы — относительно редкое, но одно из самых смертоносных онкологических заболеваний. В США на его долю приходится лишь около 3% установленных онкологических диагнозов, однако 8% смертельных исходов. Общая пятилетняя выживаемость с таким диагнозом не превышает 12%.
Причина столь высокой смертности в том, что опухоль обычно обнаруживают на поздних стадиях — в основном с помощью лучевой диагностики и эндоскопии. Пациенты с таким диагнозом, как правило, люди пожилого возраста. Именно поэтому врачи прилагают значительные усилия к разработке методов ранней диагностики.
«Мы знаем, что рак поджелудочной железы формируется за пять-семь лет, однако симптомы, заметные пациенту или врачу, не проявляются до тех пор, пока не становится слишком поздно», — пояснил соавтор исследования Корнелиус Тильс.
Как обучали модель
Для обучения модели ученые использовали медицинские записи 6006 пациентов с установленным диагнозом рака поджелудочной железы, а также истории болезней 33 396 человек из контрольной группы. Длительность наблюдений составляла от 7,5 до 19 лет. Задача модели — находить в медицинских данных малозаметные отклонения, указывающие на начало формирования опухоли.
Результаты проверки
Для оценки эффективности модели в прогнозировании рака исследователи рассчитали площадь под графиком так называемой ROC-кривой (receiver operating characteristic). Эта величина равна единице при идеальной способности различать больных и здоровых и 0,5 — при результате не лучше случайного.
Значение составило 0,853. Это означает, что модель показала высокую способность выявлять пациентов в группе риска за три года до возможной постановки диагноза при достаточно низкой вероятности ложноположительных результатов.
«Мы построили эту модель, чтобы она была универсальной, масштабируемой и легко внедряемой. Если она окажется эффективной, её можно будет использовать практически в любых условиях», — пояснил автор исследования Крис Варгезе.
Дальнейшие шаги
По словам доктора Тильса, исследователи работают над дальнейшей проверкой модели в рамках клиники Майо.
«Мы также работаем над разработкой более совершенных архитектур машинного обучения, которые, по-видимому, еще больше улучшат производительность», — добавил он.
Другие подходы к ранней диагностике
Ранее ученые из частного медицинского центра City of Hope (США) разработали диагностический метод PANXEON (PANcreatic cancer eXosome Early detectiON), позволяющий по анализу крови распознать рак поджелудочной железы первой и второй стадии.
Результаты показали, что новый метод выявляет рак первой и второй стадии с точностью 87%, дает 3% ложноположительных результатов для пациентов с низким риском и 16% — с высоким. Кроме того, метод способен с точностью выше 64% выявлять дисплазию — предраковое состояние клеток, называемое иногда нулевой стадией.
