ИИ и радиомика для расслоения узлов в легких после радикального лечения рака (AI-SONAR)

Улучшения в обнаружении и диагностике рака привели к увеличению числа пациентов, у которых диагностирован рак на ранней стадии и которые потенциально получают лечебную терапию с улучшенными результатами выживания. Недавние ретроспективные исследования выживших после рака продемонстрировали, что такие пациенты имеют повышенный риск повторного развития рака в течение жизни по сравнению с населением в целом, отчасти потенциально из-за общих факторов риска образа жизни (например, курение), генетическая предрасположенность к раку или последующие онкогенные побочные эффекты противораковой терапии (например. лучевая терапия). Рак легкого остается ведущей причиной смерти от рака во всем мире, и легкие также представляют собой обычное место метастазирования у пациентов с нелегочными злокачественными новообразованиями. Кроме того, рак легкого является одним из наиболее распространенных вторичных первичных злокачественных новообразований у пациентов с ранее леченным раком. Таким образом, определение значения легочного узла в контексте предшествующего рака остается клинической проблемой, поскольку он может иметь потенциал для представления доброкачественного заболевания, метастатического рецидива или нового первичного злокачественного новообразования.

В этом исследовании будет оцениваться полезность подходов радиомики и искусственного интеллекта к новым узлам в легких у пациентов, которые прошли радикальное лечение предыдущего рака. Это повлечет за собой использование подходов машинного обучения (ML), а затем изучение подходов глубокого обучения / сверточных нейронных сетей к интерпретации узлов для дифференциации доброкачественных, метастатических и новых первичных узлов / поражений рака легких. Разработка классификатора машинного обучения или инструмента на основе глубокого обучения может помочь определить, какие пациенты выиграют от более ранних исследований, включая дополнительную визуализацию, забор биопсии, и привести к более ранней диагностике рака, что приведет к лучшим результатам лечения пациентов в этой уникальной когорте. Это ретроспективное исследование, в котором анализируются данные, уже регулярно собираемые в рамках ухода за пациентами. Все данные будут анонимизированы перед любым анализом, никакие вмешательства, направленные/связанные с пациентом, не будут применяться, и будет осуществляться отказ от согласия на включение в исследование.