Точность алгоритма глубокого обучения для обнаружения и стратификации риска узлов легких

Остеосаркома считается наиболее распространенной злокачественной опухолью костей у детей и подростков. Приблизительно у 15-20% пациентов с остеосаркомой обнаруживаются обнаруживаемые метастазы, и у большинства из них (85%) поражение легких является единственным местом метастазирования. Предыдущие исследования показали, что общая выживаемость среди пациентов с локализованной остеосаркомой без метастазов составляет примерно 60-70%, тогда как выживаемость снижается до 10-30% у пациентов с метастатическим заболеванием. Хотя в последнее время неоадъювантные и адъювантные схемы химиотерапии могут снизить уровень смертности, от 30% до 50% пациентов по-прежнему умирают от легочных метастазов. Количество, распределение и время метастазов в легкие имеют прогностическое значение для выживания, и, следовательно, компьютерная томография (КТ) грудной клетки по-прежнему играет жизненно важную роль в наблюдении за заболеванием. В последнее десятилетие технология мультидетекторного компьютерного томографа улучшила обнаружение множества небольших поражений легких, что, с одной стороны, может повысить диагностическую чувствительность метастазов в легкие, однако специфичность может быть снижена. В последние годы алгоритм глубокого обучения искусственного интеллекта (ИИ) в самых разных исследованиях изображений является горячей темой. В настоящее время быстро разрабатывается и выводится на рынок все большее количество систем компьютерной диагностики (CAD), основанных на технологиях глубокого обучения, направленных на более быстрый скрининг и правильную интерпретацию легочных узлов. До сих пор исследования, направленные на повышение точности классификации доброкачественных/злокачественных узлов, достигли значительного прогресса благодаря огромному прогрессу методов глубокого обучения. Следовательно, большинство существующих CAD-систем могут выполнять классификацию легочных узлов с точностью выше 90%. В клинической практике не только определение злокачественности легочного узла, но и различие между первичной карциномой и внутрилегочным метастазированием имеет решающее значение для ведения пациентов. Тем не менее, большая часть существующей классификации легочных узлов, применяемых в системе ИБС, остается бинарной (доброкачественные и злокачественные) из-за отсутствия более тщательной классификации узлов, характеризующейся разделением первичных и метастатических узлов. Насколько нам известно, до сих пор только несколько исследований были посвящены эффективности системы САПР, основанной на глубоком обучении, для выявления метастатического легочного узла. В этом предлагаемом исследовании исследователи стремились определить точность и чувствительность одной автоматизированной системы, основанной на алгоритме искусственного интеллекта с глубоким обучением, для обнаружения и стратификации риска узлов легких у пациентов с остеогенной саркомой.