Рискованные повреждения груди – диагностированные биопсией повреждения, каковые несут повышенный риск развития в рак. Из-за того риска хирургическое удаление довольно часто – предпочтительный вариант лечения. Но большое количество рискованных повреждений не воображают угрозу судьбы больного и смогут быть безопасно проверены с последующим отображением, экономя осложнения и пациентов затраты, которые связаны с хирургией.
«Имеется разные типы рискованных повреждений», сообщили радиолог и автор исследования Мэниша Баль, Врач медицины, M.P.H., из Медицинской школы Центральной поликлиники Массачусетса (MGH) и Гарварда, обоих в Бостоне. «Большая часть учреждений рекомендует хирургическое вырезание для рискованных повреждений, таких как нетипичная гиперплазия протока, для которой риск модернизации рака образовывает примерно 20 процентов. Для других типов рискованных повреждений риск модернизации варьируется в полной мере мало по лечению и литературе больных, включая ответ о том, удалить ли либо разглядеть повреждение, варьируется через способы».Врач Баль и коллеги в MGH изучили применение инструмента машинного обучения, дабы выяснить рискованные повреждения, каковые являются в низком риске для модернизации рака.
Изучение следовало из тесного сотрудничества между исследователями в Массачусетском технологическом университете (MIT) Лаборатория и Информатика ИИ в Кембридже, эксперты и Массачусетс по отображению груди в MGH.«Потому, что диагностические инструменты неточны, имеется понятная тенденция для докторов сверхпроверить на рак молочной железы», сообщила соавтор Регина Барзилей, врач философии, доктор наук Delta Electronics Информатики и Электротехники в MIT. «В то время, когда имеется это большое количество неуверенности в данных, машинное обучение – совершенно верно инструмент, что мы должны улучшить обнаружение и не допустить сверхлечение».
Машинное обучение – тип ИИ, в котором модель машинально обучается и улучшается на базе прошлого опыта. Модель, созданная исследователями, проанализировала классические факторы риска, такие как гистология повреждения и терпеливый возраст, наровне с несколькими характерными изюминками, включая слова, каковые появляются в тексте из отчета о патологии биопсии.
Исследователи научили модель на группе больных с доказанными биопсии рискованными повреждениями, каковые перенесли операцию либо по крайней мере двухлетнее продолжение отображения. Из 1 006 рискованных определенных повреждений, 115, либо 11 процентов, были модернизированы до рака.По окончании обучения модель машинного обучения на двух третях рискованных повреждений исследователи удостоверились в надежности его на оставлении 335 повреждениями. Модель верно предсказала 37 из этих 38 повреждений, либо 97 процентов, каковые были модернизированы до рака.
Исследователи кроме этого нашли, что применение модели окажет помощь избежать практически одной трети мягких операций.Модель машинного обучения выяснила условия «очень сильно» и «очень сильно нетипичный» в тексте отчетов о патологии, как связано с громадным риском модернизации рака.«Отечественное изучение предоставляет ‘подтверждение понятия’, что машинное обучение может не только уменьшить ненужную хирургию на практически одну треть в этом определенном терпеливом населении, вместе с тем и может поддержать более целенаправленные, персонализированные подходы к уходу за больным», сообщили ведущий создатель газеты, Констанс Леман, Врач медицины, врач философии, учитель в Медицинской школе Гарварда и директор по Отображению Груди в MGH.
«Отечественная цель пребывает в том, дабы применить инструмент в клинических параметрах настройки, дабы оказать помощь сделать больше обоснованных ответов, довольно которых будут смотреть за больными и что перейдет к хирургии», добавил врач Баль. «Я полагаю, что мы можем извлечь пользу из машинного обучения, дабы сказать клиническому принятию ответа и в конечном итоге улучшить уход за больным».