Исследовательский коллектив Nazarbayev University по руководством профессора Чжао Юн работает над созданием интеллектуальной системы диагностики рака молочной железы, включающей сбор термограмм и данных, применение методов машинного и глубокого обучения для определения наличия опухоли в груди.
В настоящее время одной из наиболее распространённых причин смертности среди женщин с раковыми заболеваниями является рак молочной железы. Статистика показывает, что на рак груди приходится 11,7% всех случаев рака, включая оба пола. Причиной изменения в геноме клетки, и в результате появления опухоли являются различные факторы в том числе гормональные нарушения или внешние причины, которые приводят к развитию раковых клеток.
В связи с маленьким размером опухоли рак сложно диагностировать на ранних стадиях, поэтому на начальных стадиях рак протекает бессимптомно. Регулярный скрининг являются надежным методом выявления рака на ранних стадиях. Наиболее часто используемым методом определения опухоли в молочной железе является маммография. Главным недостатком маммографии является дискомфорт, а также при частом использовании побочные эффекты радиоактивного излучения. В связи с чем маммографию проводят по необходимости.
Диагностика рака на ранних стадиях имеет решающее значение для лечения и снижения смертности, когда лечение можно начать на ранней стадии, пока размер опухоли невелик и не имеет никаких симптомов.
Согласно различным исследованиям, термография является подходящим методом при диагностике многих заболеваний в клинических условиях, включая опухоли в груди. Комбинация термографии и искусственного интеллекта может быть использована для раннего обнаружения опухолей.
Искусственный интеллект в настоящее время широко используется при анализе медицинских изображений, что является достаточно сложной задачей даже для опытного специалиста.
В то же время функциональная термограмма является источником информации о состоянии здоровья человека, которая при правильном анализе может дать возможность врачам наиболее точно определить патологии и поставить диагноз. Поэтому специально обученная нейронная сеть на основе больших баз данных способна систематически обрабатывать медицинские изображения и учитывать все истории болезни пациентов, тем самым генерируя результаты диагностики с точностью более 90%.
Поскольку термография к данному моменту не использовалась в Казахстане, проект поможет создать в стране новую индустрию технологий, связанных с термографией. Возможности коммерциализации на мировом медицинском рынке включают методику глубокого обучения для выявления рака молочной железы. Это область, где инженерия и технология играют непосредственную роль в улучшении состояния здоровья казахстанских женщин.
В исследовании использовались данные пациентов полученных в ходе сбора данных пациентов. С целью выполнения индивидуального для каждого пациента обратного теплового моделирования и диагностики опухолей, а также демонстрации возможности разработанной техники и проверки построенные модели были использованы данные пяти пациентов.
Представленные результаты основаны на двух типах моделей груди: однородных и многослойных. Гомогенная модель использовалась в качестве отправной точки при расчете таких параметров, как проводимость, плотность, удельная теплоемкость и скорость перфузии крови. Рассчитанные параметры позволили оценить размер опухоли и ее расположение.
Впоследствии была построена многослойная модель груди. Разработанный инструмент для оценки глубины и размера опухоли, который использует реальные модели пациентов и персонализированные физические параметры, такие как плотность, удельная теплоемкость и проводимость, может быть использован в дальнейших клинических испытаниях с большими размерами образцов.
Будущее исследование может быть сфокусировано на сборе большого объема данных о пациентах и последующее построение тепловых моделей груди для дальнейшей проверки и клинических испытаний. Кроме того инструмент моделирования нейронной сети с физическими данными (PINN) также может быть разработан для сравнения с методом, разработанным для этого исследования, и для лучшего прогнозирования сложной перфузии крови. Могут быть рассмотрены более сложные модели груди, которые содержат разные слои с неравномерным распределением сосудов.
Научный проект АР 08857347 Использование искусственного интеллекта как дополнение к термографии для прогнозирования рака молочной железы.
Научный руководитель Чжао Юн, профессор Школы инженерных и цифровых наук Nazarbayev University, PhD
