Sztuczna inteligencja wykryje raka płuc
Wykorzystując sztuczną inteligencję można zidentyfikować kluczowe oznaki raka płuc w tomografii komputerowej o cały rok wcześniej niż przy użyciu istniejących metod. Skuteczność tej metody wynosi 97 proc.
W przypadku diagnostyki nowotworów liczy się czas. Im później guz zostanie zdiagnozowany, tym trudniejsze jest leczenie. Z powodu raka płuc każdego roku na świecie umiera ok. 1,8 mln osób. Ponieważ jednak nowotwór ten jest często diagnozowany w późnym stadium, zmniejsza to szanse na powodzenie leczenia. Dlatego naukowcy pokładają nadzieje w sztucznej inteligencji, zamierzając wykorzystać ją w procesie badań przesiewowych w kierunku raka płuc, przyspieszając procedurę i potencjalnie diagnozując pacjentów we wcześniejszym stadium.
Konwencjonalna tomografia komputerowa (TK) może już ujawnić cechy guzów płuc, a biopsja lub operacja po TK może potwierdzić złośliwość guza. Jednak każde skanowanie wymaga pracy radiologa, który musi przeanalizować ok. 300 obrazów w poszukiwaniu kluczowych oznak guzów płuc, które mogą być bardzo subtelne. Nowe badania nad wspomaganiem diagnozy przez sztuczną inteligencję przedstawił Benoît Audelan z zespołu projektu Epione, działającego przy Côte d'Azur University.
Sztuczna inteligencja została przeszkolona na podstawie zestawu skanów TK pobranych od 888 pacjentów, którzy przeszli już konwencjonalne badania radiologiczne, mające na celu identyfikację podejrzanych tkanek. Następnie uczeni przetestowali program SI na innej grupie 1179 pacjentów, którzy brali udział w badaniu przesiewowym płuc wymagającym trzyletniej obserwacji. W tej grupie 177 pacjentów miało już zdiagnozowanego raka płuc poprzez biopsję. Program wykrył nowotwory złośliwe u 172 ze 177 zidentyfikowanych przez tomografię komputerową, co stanowi 97 proc. wskaźnik skuteczności w wykrywaniu nowotworów zagrażających życiu. Oczywiście, pominięcie pięciu guzów to nadal duża sprawa, ale dotyczyły one guzów zlokalizowanych blisko środka klatki piersiowej, co jest najtrudniejszym miejscem do odróżnienia ich od innych.