Ученые БФУ им. И. Канта совместно с коллегами из Санкт-Петербурга разработали модели машинного обучения для диагностики образований в легких — легочных очагов. Эти патологические образования довольно широко распространены и обнаруживаются у многих пациентов, которым делают рентген грудной клетки или компьютерную томографию.
Результаты исследования специалистов БФУ им. И. Канта, Санкт-Петербургского НИИ Фтизиопульмонологии и Санкт-Петербургского государственного электротехнического университетаопубликованыв авторитетном научном журнале The European Physical Journal Special Topics.
Предложенные модели машинного обучения позволят с высокой точностью не только выявлять, но и определять характер очагов — доброкачественный или злокачественный. Для этого ученые определили параметры для диагностики, такие как возраст пациента, размер поражения и четкость контуров и другие рентгенологические характеристики. После тестирования все три модели машинного обучения (Дерево решений, Случайный лес и CatBoost) показали высокую точность — выше 80% — в классификации очагов (с высокими чувствительностью и специфичностью). Кроме того, разработанные модели позволят в перспективе сократить количество болезненных инвазивных процедур, таких как биопсия.
| Компьютерные модели помогут врачам различать не только очаги в легких на доброкачественные и злокачественные, но и конкретные виды доброкачественных образований, такие, как гамартома и туберкулома. Это позволяет более точно диагностировать состояние пациента, что снижает риск неправильного лечения и уменьшает количество нежелательных и рискованных процедур. Пациенты смогут получать более точные и быстрые диагнозы, что повысит эффективность их лечения, |
| прокомментировала результаты работы директор Центра прикладной нелинейной динамики БФУ им. И. Канта, ведущий научный сотрудник СПб НИИ Фтизиопульмонологии Анастасия Лаврова. |
Для дальнейшей работы научная команда планирует увеличить объем данных для обучения моделей, что позволит улучшить их точность и надежность.
Исследование выполнено в рамках госзадания Минздрава 2024-2026 гг.. (СПб НИИФ) и поддержано федеральной программой «Приоритет-2030» (БФУ).Мы собираемся также исследовать дополнительные источники данных — молекулярные и генетические характеристики опухолей, что может существенно увеличить информативность моделей и улучшить прогностические показатели. Кроме того, важно провести верификацию наших моделей на более широких выборках пациентов, чтобы проверить их эффективность в различных клинических условиях и среди различных популяций, добавил ведущий специалист-рентгенолог, главный врач Hiveomics LTD (Израиль) Павел Гаврилов.
В материале упоминаются
Лаврова Анастасия Игоревна
директор Центра прикладной нелинейной динамики
Поделиться:
Публикации в СМИ