Классификация гистологического типа рака лёгкого по данным КТ с помощью радиомики и моделей глубокого обучения

Аденокарцинома и плоскоклеточный рак — распространённые гистологические варианты немелкоклеточного рака лёгкого, на долю которого приходится значительная часть смертей от рака во всём мире. Цель исследования — оценить возможности классификации немелкоклеточного рака лёгкого на аденокарциному и плоскоклеточный рак с помощью различных методов извлечения признаков и классификации по исходным снимкам КТ до начала лечения. Использовали набор данных 102 пациентов из открытой коллекции TCIA (The Cancer Imaging Archive). Исследовали четыре группы методов: (а) радиомика с двумя классификаторами — методом k ближайших соседей (kNN) и методом опорных векторов (SVM); (б) четыре современные сверточные нейронные сети с переносом обучения и дообучением — AlexNet, ResNet101, InceptionV3 и InceptionResNetV2; (в) сверточную нейронную сеть в сочетании с сетью долгой краткосрочной памяти (LSTM) для объединения информации о пространственной согласованности срезов опухоли на КТ; (г) комбинированные модели (LSTM + CNN + радиомика). Кроме того, снимки КТ независимо оценили два врача-рентгенолога экспертного уровня. Наилучший результат среди сверточных нейронных сетей показала Inception (точность — 0,67; площадь под ROC-кривой — 0,74). Связка LSTM + Inception превзошла все остальные методы (точность — 0,74; площадь под ROC-кривой — 0,78). Кроме того, результат LSTM + Inception был на 7–25% выше результатов экспертов (p < 0,05). Предложенный метод не требует детальной сегментации опухоли и может применяться вместе с результатами радиологического исследования для повышения обоснованности клинических решений. Классификация гистологического типа рака лёгкого по данным КТ с помощью CNN + LSTM.