ПРЕСС-ЦЕНТР

Глубокое обучение помогает диагностировать рак молочных желез, который не видят маммографы

Маммография спасает жизни людей, выявляя на ранних стадиях рак молочных желез, за исключением тех случаев, когда она не может его обнаружить.

Рак молочных желез – наиболее распространенный вид рака среди женщин, занимающий второе место по смертности от злокачественных опухолей.

Однако маммография пропускает один из пяти случаев заболевания, согласно данным Национального института онкологии США. Или же показывает рак, когда его нет, то есть дает ложно положительный результат, вынуждая женщин проводить ненужные процедуры и переживать стресс.

«За 20 лет сбора данных результатов маммографии мы поняли, что этот тип диагностики не работает так, как мы ожидаем», - сказал доктор Декстер Хэдли (Dexter Hadley), профессор кафедры педиатрии, патологической анатомии и лабораторной медицины в Институте вычислительных медицинских наук при Калифорнийском университете в Сан-Франциско (UCSF).

Хэдли, который является не только медиком, но и инженером, работает над тем, чтобы изменить это положение вещей. Он и его коллеги из Калифорнийского университета в Сан-Франциско используют GPU-ускоренные алгоритмы глубокого обучения, чтобы повысить точность маммографии.

Ошибочные результаты

Исследователи из UCSF тренируют нейронную сеть точно различать злокачественные и доброкачественные образования на рентгеновских снимках молочных желез.

«Наша идея заключается в том, чтобы научиться обнаруживать злокачественную опухоль раньше, чем мы можем сделать это сейчас», - рассказал Хэдли.

Он также работает над тем, чтобы сократить число случаев, когда какие-либо необычные признаки на маммограмме принимаются за онкологию, хотя на самом деле являются безопасными. Более половины женщин в США, ежегодно проходящих скрининг на протяжении 10 лет, сталкиваются с ложно положительными результатами, которые требуют проведения дальнейших тестов, а зачастую и хирургической биопсии.

К тому же, два вида раковых заболеваний: неинвазивная протоковая карцинома и небольшие инвазивные образования могут не угрожать жизни. Согласно данным Национального института онкологии, в подобных случаях медикам сложно принять решение, какие опухоли требуют лечения, а какие нет. В результате некоторые женщины подвергаются лучевой терапии, лампэктомии и другим методам лечения, в которых они не нуждаются.

Обучение компьютера чтению маммограмм

Чтобы решить эту проблему, команда из UCSF получила более 30000 письменных патологоанатомических заключений и использовала алгоритмы глубокого обучения, чтобы изучить состояние отдельных онкопациентов. Эти данные исследователи связали с более чем 700000 снимков маммографии.

Затем с помощью GPU NVIDIA и cuDNN-ускоренного фреймворка глубокого обучения TensorFlow они натренировали сверточную нейронную сеть прогнозировать диагноз на основе снимков лучевых исследований молочных желез.

Когда исследователи тестировали алгоритм, используя для инференса GPU NVIDIA TITAN X, их результаты соответствовали заключениям врачей-рентгенологов по особо сложным случаям интерпретации маммограмм. Хэдли рассматривает данный проект как инструмент, который радиологи могли бы использовать для принятия решений.

Предоставьте свои снимки маммографии для исследований

В дальнейшем Хэдли планирует разработать систему, которая сможет точно идентифицировать, что она видит на снимке, будь то доброкачественная опухоль или киста, инвазивная или неинвазивная опухоль или метастазы, идущие от других органов. Также он хочет использовать алгоритмы глубокого обучения для прогнозирования скорости роста опухоли.

По словам Хэдли, с этой работой придется подождать, пока он не получит доступ к миллионам снимков маммографии, которые необходимы для тренировки надежной модели нейронной сети глубокого обучения. И хотя ежегодно в США проводится 40 миллионов маммографических исследований, национальный закон о конфиденциальности в области здравоохранения ограничивает доступ к их результатам.

Поэтому Хэдли и его партнеры из UCSF обратились к женщинам с просьбой в научных целях предоставить свои результаты маммографии или других исследований молочных желез. Чтобы принять участие в программе, зарегистрируйтесь на https://www.breastwecan.org/ . Хэдли также выражает благодарность компании Western Digital, которая в поддержку его работы предоставила систему хранения данных петабайтных масштабов.

Хэдли надеется изучить пять миллионов маммограмм, чтобы разработать систему искусственного интеллекта для точной медицинской визуализации рака молочных желез.

Повышение точности маммографии

В конечном итоге целью Хэдли является использование больших данных для предоставления более точных методов лечения для каждого отдельного пациента.

«Мы хотим научить компьютер идентифицировать онкологические заболевания по резульатам маммографии, а затем показать врачам-рентгенологам, какие признаки необходимо искать на снимках, - объяснил Хэдли. - Наша заветная цель – в целом улучшить искусство медицины».

Подробнее узнать о работе Хэдли по использованию глубокого обучения для повышения точности маммографии можно на нашей Конференции по GPU-технологиям. Она состоится с 26 по 29 марта в Кремниевой долине. Зарегистрируйтесь уже сейчас, чтобы купить билеты по сниженной цене.