Проспективное обсервационное исследование классификации микрокальцификатов молочной железы с помощью методов искусственного интеллекта

В настоящее время микрокальцинаты молочной железы классифицируют по радиологической шкале BI-RADS. В случае подозрительных микрокальцинатов (В3) рекомендуется выполнить биопсию для гистопатологической оценки. Однако около 70-80% выполненных биопсий показывают доброкачественную гистологию, не требующую хирургического лечения. Core биопсии являются инвазивными процедурами с биологическими, психологическими (дискомфорт пациента), организационными и экономическими (для системы здравоохранения) затратами. Таким образом, повышение точности радиологической классификации микрокальцинатов имеет важное значение. В последнее время в литературе сообщалось о различных подходах к обнаружению и классификации микрокальцификации как доброкачественной или подозрительной на цифровых маммограммах. Методы анализа, основанные на использовании глубокого обучения (ГО), также оказались перспективными для обработки маммографических изображений. Сверточные нейронные сети (CNN) в настоящее время являются современным средством классификации изображений во многих областях применения в области компьютерного зрения. В этом исследовании предполагается внедрить метод классификации микрокальцинатов молочной железы (как доброкачественных или злокачественных) с использованием методов искусственного интеллекта (ИИ) на маммографических изображениях, оценивая диагностическую эффективность (точность) этого подхода. Оценка будет проводиться со ссылкой на стандартный радиологический подход (классификация BI-RADS).

Наряду с применением систем ИИ для маммографической визуализации, еще одной актуальной клинической потребностью является разработка диагностического инструмента, способного определять in-situ биомолекулярные характеристики микрокальцинатов, точно различая их природу без взятия ткани, фиксации и помещения образца в ткань. парафина и без узкоспециализированной оценки патологоанатомом. Спектроскопия комбинационного рассеяния (РС) является высокоспецифичным методом с биомолекулярной точки зрения и в то же время совместима с измерениями in vivo. Он заключается в биофотонном подходе, способном исследовать молекулярный состав данного образца путем его прямого облучения (через лазерный свет) и одновременного получения сигналов излучения. Информация RS может быть объединена с функциями визуализации для реализации модели AI для комбинированной классификации микрокальцинатов молочной железы.