.jpeg)
Используя компьютер для анализа результатов компьютерной томографии (КТ) пациентов, исследователи смогли предсказать их 5-летнюю смертность с точностью почти 70%.
Об этом буквально на днях сообщил научный журнал Scientific Reports со ссылкой на доктора Люка Оукден-Рейнера (Luke Oakden-Rayner), сотрудника Школы общественного здравоохранения при Университете Аделаиды, Австралия.
Компьютер для прогнозирования продолжительности жизни тяжелобольных пациентов – это поистине новая ступень в развитии прецизионной медицины будущего.
Согласно официальному определению Национальных институтов здравоохранения США, прецизионная медицина – это подход к лечению и профилактике заболеваний, который учитывает индивидуальную изменчивость генов, окружающей среды и образа жизни каждого человека.
Как отмечают авторы исследования, прецизионная медицина опирается на биомаркеры, являющиеся точными показателями риска заболевания, реакции на лечение или прогноза болезни. По мнению австралийских биоинженеров, рентгенология играет ключевую роль в этой области.
«Мы видим, что изображения, полученные в ходе рутинного лучевого исследования, в значительной степени игнорируют требования прецизионной медицины. Нужно акцентировать внимание на новых методах компьютерного анализа изображений, чтобы самообучающиеся машины сами находили полезные маркеры и делали заключения», - говорят ученые.
Последние достижения науки действительно открывают дорогу к настоящей компьютерной диагностике и прогнозированию заболеваний. Машины уже «научились» обобщать и анализировать результаты гистологического анализа и даже анализов ДНК.
Доктор Хаус внутри Вашего смартфона – таким видят будущее диагностики ученые.
Прогнозирование компьютером на основе снимков
В ходе последнего исследования доктор Оукден-Рейнер и его коллеги попытались выяснить, можно ли научить машину анализировать результаты компьютерной томографии для прогнозирования 5-летней смертности тяжелобольных пациентов.
Для начала команда собрала более 15 000 снимков КТ семи различных областей, включая сердце и легочную ткань.
Используя методы логистической регрессии, исследователи выделили ряд особенностей изображения, которые тесно связаны с 5-летней смертностью.
Затем они применили метод глубокого обучения, посредством которого компьютеры могут научиться понимать и анализировать новые изображения. Благодаря этому методу компьютерные системы способны спрогнозировать медицинские результаты таким образом, чтобы необученные медработники просто вводили массивы данных и получали готовый ответ.
Когда «обучение» машины завершилось, компьютер проанализировал КТ-изображения грудной клетки 48 пациентов пожилого возраста. Выяснилось, что 5-летний прогноз машины на 69% совпадает с аналогичным прогнозом, который дали пациентам опытные врачи.
«Хотя для этого исследования использовалась только небольшая выборка больных, наши результаты говорят о принципиальной возможности распознавать сложные визуальные признаки заболеваний. Врач-специалист должен длительно обучаться таким навыкам», - заявили авторы.
Следующий шаг австралийских ученых смелый и амбициозный – массовое использование компьютерной техники для анализа КТ-изображений десятков тысяч больных.
.jpeg)
.jpeg)
.jpeg)
.jpeg)
.jpeg)
.jpeg)
.jpeg)
.jpeg)
