В перспективе модель войдет в систему поддержки принятия врачебных решений, которая позволит предоставлять оценку вероятности злокачественности опухоли и определять степень ее инвазии в соседние органы. Об этом «Газете.Ru» рассказали в ЛЭТИ.
Рак поджелудочной железы характеризуется высоким уровнем злокачественности, склонностью к быстрому местному распространению и раннему метастазированию в регионарные лимфатические узлы и отдаленные органы (печень, легкие, брюшину). Чаще всего его находят на поздних стадиях.
Выявление рака поджелудочной железы на начальных стадиях повышает продолжительность жизни и вероятность добиться ремиссии.
Однако находить образования небольших размеров на КТ-снимках брюшной полости до метастазирования в другие органы и проявления клинически непросто. По этой причине важно разрабатывать инструменты с использованием глубокого машинного обучения, которые могут позволить выявлять и сегментировать опухоль до ее распространения на соседние структуры и метастазирования, чтобы ее можно было хирургически удалить.
«Совместно с НМИЦ хирургии им А. В. Вишневского Минздрава России мы разработали высокоточную нейросетевую модель для автоматизированной сегментации паренхимы (железистая ткань) поджелудочной железы и ее поражений по КТ-снимкам брюшной полости. В перспективе она войдет в систему поддержки принятия врачебных решений, которая позволит медицинским специалистам диагностировать онкологические заболевания данного органа на ранней стадии», — рассказал доцент кафедры электронных приборов и устройств (ЭПУ) СПбГЭТУ «ЛЭТИ» Николай Староверов.
Нейросеть продемонстрировала точность выявления патологических изменений в поджелудочной железе по данным КТ, которая составила 92,55%. Это доказывает, что при дальнейшем обучении модель сможет способствовать уменьшению пропуска патологий поджелудочной железы при КТ, но дальнейшая и окончательная оценка изменений в органе должна быть произведена врачом-рентгенологом.