количество зарегистрированных пользователей: 64941

Rumedo Медицинский образовательный портал

МЕДИЦИНСКИЙ ОБРАЗОВАТЕЛЬНЫЙ ПОРТАЛ

Академия инновационного образования

Новости

Метастаз или реакция на вакцинацию? Разберется искусственный интеллект

Фото из открытого источника (Яндекс-картинки)

Методы машинного обучения могут различать злокачественные и доброкачественные изменения лимфатических узлов, в том числе – их реакцию как побочный эффект вакцинации против COVID-19, предполагает недавнее исследование, опубликованное в Европейском журнале радиологии и на портале Medical Dialogues1. Эти методы могут быть использованы для неинвазивной диагностики состояния лимфатических узлов у пациентов с подозрительными реактивными узлами.

Это ретроспективное исследование было проведено испанскими специалистами как продолжение тестирования ранее апробированной модели искусственного интеллекта. Они усовершенствовали ее с помощью недавно собранных изображений лимфоузлов. Авторы протестировали эффективность на изображениях доброкачественных изменений лимфатических узлов, как реакции на вакцинацию против COVID-19. Природа изменений каждого узла (доброкачественная или злокачественная) оценивалась в соответствии со строгим клиническим протоколом с использованием биопсии под контролем ультразвука.

Результаты исследования были следующими:

  • В общей сложности было получено 180 новых изображений от 154 различных пациентов: 71 изображение (10 случаев и 61 контрольная группа) было использовано для повторного обучения старой модели и 109 изображений (36 случаев и 73 контрольных группы) были использованы для оценки ее эффективности.
  • Достигнутая точность предложенного метода составила 92,7% при чувствительности 77,8% и специфичности 100%.
  • Для сравнения, визуальный осмотр узлов, выполненный специалистами по ультразвуковым изображениям, достиг 69,7% точности при 41,7% чувствительности и 83,6% специфичности.

"Анализ изображений с помощью методов машинного обучения можно использовать для различения злокачественных изменений лимфатических узлов, пораженных метастатическим раком молочной железы, и доброкачественных реактивных изменений из-за вакцинации против COVID-19", - пишут авторы.

"Эти методы полезны для неинвазивной диагностики состояния лимфатических узлов у пациентов с диагностированным раком молочной железы и без него с подозрительными реактивными узлами", - заключили они. "Для подтверждения и валидации результатов нашего исследования необходимы более масштабные многоцентровые исследования".

Список литературы:

1. Baranwal M. Machine learning methods can differentiate malignancy from reactive benign changes due to COVID-19 shot // Medical Dialogues (16.09.2022)

Вернуться к новостям