Исследователи из Массачусетской больницы общего профиля (MGH) разработали модель глубокого обучения, которая определяет визуализирующие биомаркеры на скрининговых маммограммах для прогнозирования риска развития рака груди у пациента с большей точностью, чем традиционные инструменты оценки риска. Результаты исследования представляются на ежегодном собрании Радиологического общества Северной Америки (RSNA).
"Традиционные модели оценки риска не используют уровень детализации, который содержится в маммограмме," сказал Лесли Лэмб, M.D., M.Sc., рентгенолог груди в MGH. "Даже самые лучшие существующие традиционные модели риска могут разделять подгруппы пациентов, но не столь точны на индивидуальном уровне."
Доступные в настоящее время модели оценки риска включают лишь небольшую часть данных пациента, таких как семейный анамнез, предыдущие биопсии груди, а также гормональный и репродуктивный анамнез. Только одна характеристика самой скрининговой маммограммы – плотность груди – включена в традиционные модели.
"Почему мы должны ограничиваться только плотностью груди, когда в маммограмму каждой женщины встроены такие богатые цифровые данные?" сказал старший автор Констанс Д. Леман, М.D., Ph.D., начальник отдела визуализации груди в MGH. "Маммограмма каждой женщины уникальна для нее, как и отпечаток ее большого пальца. Он содержит визуализирующие биомаркеры, которые позволяют прогнозировать будущий риск рака, но до тех пор, пока у нас не было инструментов глубокого обучения, мы не могли извлечь эту информацию для улучшения ухода за пациентами."
Доктор. Лэмб и команда исследователей разработали новый алгоритм глубокого обучения для прогнозирования риска рака груди, используя данные из пяти сайтов скрининга рака груди MGH. Модель была разработана на популяции, которая включала женщин с личным анамнезом рака груди, имплантатов или предшествующих биопсий.
В исследование было включено 245 753 последовательных 2-D цифровых двусторонних скрининговых маммограммы, выполненных у 80 818 пациентов в период с 2009 по 2016 годы. Из общего количества маммограмм 210 819 обследований 56 831 пациента были использованы для обучения, 25 644 обследований от 7021 пациента для тестирования и 9 290 обследований от 3961 пациента для валидации.
Используя статистический анализ, исследователи сравнили точность модели глубокого обучения только с изображениями с коммерчески доступной моделью оценки риска (версия 8 Тайрера-Кузика) в прогнозировании рака груди в будущем в течение пяти лет после индексной маммографии. Модель глубокого обучения достигла прогнозируемой скорости 0.71, что значительно превосходит традиционную модель риска, которая достигла показателя 0.61.
"Наша модель глубокого обучения способна преобразовать все разнообразие тонких биомаркеров визуализации в маммограмму, которая может предсказать будущий риск рака груди у женщины," Доктор. Лэмб сказал.
Доктор. Лэмб сказал, что новая модель глубокого обучения прошла внешнюю проверку в Швеции и на Тайване, и запланированы дополнительные исследования для более крупных афроамериканцев и меньшинств.
В MGH информация о рисках глубокого обучения доступна в программном обеспечении для составления отчетов, когда радиолог читает скрининговую маммограмму пациента.
"Традиционные модели риска могут занимать много времени, чтобы получить и полагаться на несогласованные или отсутствующие данные," Доктор. Лэмб сказал. "Модель риска с использованием только изображений с глубоким обучением может обеспечить расширенный доступ к более точной и менее затратной оценке рисков и помочь реализовать перспективы точной медицины."