Машинное обучение помогло в ранней диагностике меланомы
Американские ученые применили цифровой анализ изображений и машинное обучение для автоматизированной ранней диагностики меланомы.
Разработанная ими система смогла распознавать этот вид рака с 98-процентной чувствительностью.
Результаты работы опубликованы в журнале Experimental Dermatology.
Меланома — это злокачественное новообразование из пигментных клеток, наиболее опасная форма рака кожи, которая ежегодно поражает более 200 тысяч человек, более 50 тысяч из которых умирают.
При этом основным видом диагностики остается визуальный осмотр.
Биопсия подозрительных новообразований подтверждает меланому в среднем лишь в 10 процентах случаев.
Чтобы унифицировать диагностику меланомы, сотрудники Рокфеллеровского университета с коллегами из других вузов проанализировали базу данных из 120 сложных для диагностики фотоснимков новообразований (60 меланом и 60 доброкачественных пигментных пятен, подтвержденных гистологически).
С помощью различных компьютерных программ ученые отобрали 50 диагностических количественных параметров, отличающих меланому от пигментного пятна.
Эти параметры включали размер, форму, соотношение цветов, симметричность и многие другие особенности снимка.
Наиболее значимые из этих параметров вошли в набор визуальных биомаркеров меланомы, который использовали для обучения 13 различных алгоритмов: их задачей было по соотношению параметров определить тип новообразования.
Результат совместной работы этих алгоритмов выражался в виде количественной оценки (параметра Q) от 0 до 1.
Чем больше значение этого параметра, тем выше вероятность того, что на снимке меланома.
В ходе эксперимента система смогла правильно определить меланому в 98 процентах случаев.
Специфичность оказалась не такой высокой — диагностика доброкачественных образований была проведена верно лишь в 36 процентах случаев.
Как пишут авторы работы, подобные показатели чувствительности и специфичности примерно соответствуют квалификации эксперта-дерматолога.
Если полученные результаты удастся воспроизвести в крупных клинических испытаниях, широкое использование разработанной системы может уменьшить число ненужных биопсий и повысить частоту ранней диагностики меланомы, пишут исследователи.
Ранее швейцарские ученые разработали оригинальный метод диагностики формы меланомы (что критично для выбора терапии) с использованием РНК/ДНК гибридизации и аналога атомно-силовой микроскопии.
Олег Лищук
https://nplus1.ru/news/2016/12/27/melanoma-learning