Вы здесь

Компьютерная программа лучше врачей диагностирует рак мозга по снимкам МРТ

16 сент. 2016.

Рак мозга (опухоль головного мозга) это  тяжелое заболевание, имеющее достаточно неоднозначный прогноз. Возможность успешного и полноценного излечения зависит рака мозга от своевременности и адекватности диагностики. При полноценном лечении, начавшемся на ранней стадии развития опухоли, пятилетняя выживаемость больных составляет, в зависимости от гистологического варианта опухоли, 60—80 %. При позднем обращении и невозможности оперативного лечения пятилетняя выживаемость, в зависимости от гистологического варианта и размеров опухоли, не превышает 30—40 %. Поэтому своевременность постановки диагноза при подобных опухолях - крайне важно. И в этом - мы надеемся - скоро помогут новые технологии! 

Слева Вы видите МРТ-снимки головного мозга человека с рецидивом опухоли головного мозга и с лучевым (радиационным некрозом). Структура опухоли более гетерогенна (красный цвет), чем структура лучевого некроза

Магниторезонансная томография (МРТ), — это томографический способ исследования внутренних органов и тканей с использованием явления ядерного магнитного резонанса. Снимки МРТ стали привычными для обычных людей, наверное, благодаря медицинским сериалов, где «врачи» с серьезным видом рассматривают такие изображения, мгновенно устанавливая правильный диагноз. На самом деле, все гораздо сложнее.

Даже самый опытный врач может ошибиться. Человек вообще часто ошибается, и такие ошибки часто приводят к печальным последствиям. Особенно тяжело диагностировать по МРТ-снимкам рак мозга. Но если привлечь к этойработе компьютерные системы? Ведь научились же они ставить диагнозы по описаниям болезней и результатам анализов пациентов. Ученые из Университета Кейс Вестерн Резерв (США, Кливленд, штат Огайо) решили проверить способности компьютерных систем к диагностированию онкологических заболеваний по МРТ-снимкам мозга.

Как оказалось, не зря. Программа, разработанная в рамках проекта, ставит диагноз более точно, чем врач-человек. Система может определить, например, что представляет собой необычное образование в мозге пациента, у которого ранее был диагностирован рак. Является ли этот участок группой мертвых клеток, убитых радиацией, или же это вернулся рак? 

«Один из наиболее актуальных вопрос для медицины — это планирование возможного способа лечения, в случае, если у пациента уже был диагностирован рак, и сейчас нужно определить, отмерли ли клетки после лечения облучением или же опухоль никуда не делась», — говорит Паллави Тивари, один из разработчиков указанной системы. «На МРТ все это выглядит почти одинаково».  А вот лечение радиационного некроза и раковой опухоли кардинально различаются. Это и есть проблема: если ошибиться, то пациент получит вовсе не то лечение, которое ему необходимо, и ситуация может значительно ухудшиться. Отличить некроз от опухоли можно, но для этого нужна биопсия. А это и дорого, и не быстро. К тому же, биопсия — это инвазивная операция, которая может оказать негативное влияние на развитие болезни.

Для разработки инновационной программы исследователи использовали методику машинного обучения. Ученые использовали МРТ-снимки, по которым врачи ранее правильно ставили диагноз, загружая эти снимки в нейросеть. В проекте принимают участие не только медики, также над этой системой работают инженеры, ученые из других областей, физики. Для обучения системы медики использовали снимки 4-х пациентов из University Hospitals Case Medical Center (США, Кливленд, штат Огайо).

Команде удалось разработать алгоритмы, которые способны различать оба типа патологий и ставить правильный диагноз. «Алгоритмы видят то, что медики увидеть просто не могут. Компьютерная система проводит большое количество замеров снимков, пытаясь определить наличие опухоли или же лучевого некроза тканей мозга», — говорит еще один участник эксперимента. Злокачественные опухоли и последствия лучевого некроза все же различаются, но эти отличия столь малы, что их практически невозможно распознать невооруженным глазом.

И если медики стараются найти неоднородности в структуре изучаемых тканей, то компьютер делает не только это. Он изучает снимки максимально тщательно, анализируя изображения по пикселям. Структура опухоли на снимках выглядит более однородной, хотя отличия с последствиями лучевого некроза минимальны, как и говорилось выше.

Для проверки работоспособности нового метода авторы проекта решили использовать МРТ-снимки пациентов, которым был поставлен правильный диагноз. Снимки старались идентифицировать врачи-люди и компьютерная система. Всего было отобрано 15 снимков. Один из врачей поставил правильный диагноз по снимкам 7 пациентам. Другой — восьми. Компьютерная программа правильно диагностировала 12 случаев из 15 по тем же снимкам.

Разработчики системы говорят, что при ее создании она задумывалась, как дополнительный инструмент диагностики. Ее можно использовать совместно с другими методами диагностики рака мозга, что позволит радикально повысить точность установки диагноза для пациентов со злокачественными опухолями мозга и для пациентов с лучевым некрозом тканей головного мозга.

Сейчас разработка существует в качестве прототипа. Ученые постоянно дорабатывают и дополняют ее, надеясь сделать еще более точной. Для этого ученые загружают в систему большое количество МРТ-снимков с ранее подтвержденным диагнозом ряда пациентов различных больниц. После доработки методики, как утверждают разработчики, ее можно будет использовать в качестве дополнительного метода диагностики в клинических условиях.

 

Cсылка на научную статью: 

P. Tiwari, P. Prasanna, L. Wolansky, M. Pinho, M. Cohen, A.P. Nayate, A. Gupta, G. Singh, K. Hattanpaa, A. Sloan, L. Rogers, and A. Madabhushi. Computer-Extracted Texture Features to Distinguish Cerebral Radionecrosis from Recurrent Brain Tumors on Multiparametric MRI: A Feasibility Study. American Journal of Neuroradiology, September 2016 DOI: 10.3174/ajnr.A4931

 

Релиз на сайте научного центра: 

Case Western Reserve University. "Computer program beats physicians at brain cancer diagnoses." ScienceDaily. ScienceDaily, 15 September 2016. 

 

ИСТОЧНИК

Поделиться