Исследователи разрабатывают инструмент прогнозирования рака предстательной железы

Команда исследователей из Медицинской школы Икан на горе Синай и Медицинской школы Кек в Университете Южной Калифорнии (USC) разработали новую систему машинного обучения, которая различает рак простаты низкого и высокого риска с большей точностью, чем когда-либо прежде. Структура, описанная в опубликованном сегодня документе «Научные доклады», предназначена для того, чтобы помочь врачам, в частности радиологам, более точно определять варианты лечения пациентов с раком простаты, уменьшая вероятность ненужного клинического вмешательства.

Рак предстательной железы является одной из основных причин смерти от рака у американских мужчин, уступая только раку легких. Хотя недавние успехи в исследованиях рака простаты спасли много жизней, объективные инструменты прогнозирования до сих пор оставались неудовлетворенными.

Стандартными методами, используемыми для оценки риска рака предстательной железы, являются многопараметрическая магнитно-резонансная томография (mpMRI), которая выявляет поражения предстательной железы, и система отчетов и данных простатической визуализации, версия 2 (PI-RADS v2), пятибалльная система оценки, которая классифицирует повреждения, найденные в mpMRI. Вместе эти инструменты предназначены для надежного прогнозирования вероятности клинически значимого рака предстательной железы. Однако оценка PI-RADS v2 субъективна и не проводит четкого различия между уровнями промежуточного и злокачественного рака (баллы 3, 4 и 5), что часто приводит к различным интерпретациям среди клиницистов.

Комбинирование машинного обучения с радиомикой - отраслью медицины, которая использует алгоритмы для извлечения большого количества количественных характеристик из медицинских изображений - было предложено как подход для устранения этого недостатка. Тем не менее, другие исследования протестировали только ограниченное количество методов машинного обучения, чтобы устранить это ограничение. Напротив, исследователи на горе Синай разработали прогностическую систему, которая тщательно и систематически оценивала многие из таких методов, чтобы определить наиболее эффективный. В структуре также используются большие наборы данных для обучения и проверки, чем в предыдущих исследованиях. В результате исследователи смогли классифицировать рак простаты пациентов с высокой чувствительностью и еще более высокой прогностической ценностью.

«Сочетая машинное обучение с радиомикой, наша цель состоит в том, чтобы предоставить рентгенологам и медицинскому персоналу надежный инструмент прогнозирования, который в конечном итоге может привести к более эффективному и индивидуальному уходу за пациентами», - сказал Гаурав Пандей, кандидат медицинских наук, доцент кафедры генетики и геномики.

Источник: https://www.sciencedaily.com/releases/2019/02/190207075124.htm