Ученые создали нейросеть, позволяющую точнее распознавать на снимках пациентов онкологические заболевания, туберкулез и пневмонию. Предложенный разработчиками метод безвреден для организма и не требует значительных финансовых затрат. Над проектом работали исследователи Алтайского государственного технического университета (АлтГТУ) и Алтайского государственного медицинского университета (АГМУ).
«Цель нашей разработки ― дифференциальная диагностика шаровидных образований легких, ― цитирует профессора АлтГТУ Сергея Леонова пресс-служба Минобрнауки России. ― Мой коллега ― рентгенолог (имеется в виду профессор кафедры онкологии АГМУ Владимир Коновалов), работал в тубдиспансере. Его задача как специалиста была определить по компьютерной томографии, что за шаровидное образование в легких. Это может быть ряд заболеваний, самое страшное из которых туберкулез и онкология, на снимках они выглядят одинаково».
Владимир Коновалов на снимках томографии выделяет «область интереса», оцифровывает при помощи программы и отправляет в АлтГТУ. Выделенные точки имеют разную плотность. Ученые доказали, что для разных заболеваний легких (рак, туберкулез, пневмония) она различна, и, изучив ее алгоритмом, можно точнее ставить диагноз.
Снимки, которые берут для обучения нейросети, ― это случаи с уже подтвержденным диагнозом. Нейросеть анализирует шесть параметров шаровидных образований и с вероятностью 75−80% выявляет заболевание. «Я сам был в такой ситуации. Это одна из причин начала исследования. Около 20 лет назад у меня обнаружили шаровидное образование в легких. Медики подозревали туберкулез, хотя чувствовал я себя великолепно. Я поехал в онкодиспансер, где мне диагностировали начальную стадию рака. А рентгенолог, который меня осматривал, сказал о доброкачественной опухоли. По снимкам томографии определить достоверно было невозможно. Взять пробу бронхоскопом тоже не удавалось. Меня прооперировали и сказали, что у меня была доброкачественная опухоль. Хочется, чтобы таких пациентов, как я, было меньше», ― добавляет ученый.
Алгоритм работает не только с легкими, принцип работы можно использовать и в других областях медицины, необходима только статистика и немного исследований.
