Обзор

Радиомика и искусственный интеллект при скрининге рака лёгкого

Radiomics and artificial intelligence in lung cancer screening

Translational Lung Cancer Research
10.21037/tlcr-20-708
Полный текст Открыть в журнале PubMed PMC
FWCI: 4.75FWCI — Field-Weighted Citation Impact (индекс цитируемости с поправкой на область науки). 1.0 = среднее, > 1 = выше среднего · Процитировано: 139 · Лицензия: Неизвестна
Цитирование по годам: 2026: 12 · 2025: 32 · 2024: 46 · 2023: 41 · 2022: 27

Аннотация

Рак лёгкого является причиной большего числа смертей, чем любой другой вид рака в мире: в 2018 году с ним были связаны 1,76 млн смертей. Ключевая задача борьбы с этим заболеванием — раннее выявление и диагностика всех лёгочных узлов. Алгоритмы искусственного интеллекта (ИИ) играют важную роль в автоматическом выявлении и сегментации злокачественных очагов, а также в компьютерной поддержке диагностики. Среди существующих алгоритмов наиболее перспективными представляются радиомика и методы глубокого обучения. Радиомика — развивающаяся область, связанная с извлечением из изображений набора признаков, позволяющего автоматически относить медицинские изображения к заранее заданным категориям. Этот процесс включает последовательные этапы: получение и предварительную обработку изображений, сегментацию целевой области интереса, расчёт заданных признаков, их конструирование и построение классификационной модели. Рассчитываемые признаки преимущественно описывают форму, а также текстуру первого и более высоких порядков. На сегодняшний день определено более 100 признаков, хотя их число зависит от конкретной задачи. Главная сложность радиомики — построение модели с перекрёстной проверкой на основе выбранного набора рассчитанных признаков, известного как радиомическая сигнатура. Разработано множество радиомических сигнатур, однако воспроизводимость и клиническая валидность полученных результатов остаются серьёзной проблемой современной радиомики. Методы глубокого обучения — ещё один быстро развивающийся подход, который считается ценным инструментом анализа медицинских изображений для выявления, характеристики и оценки очагов. Этот подход предполагает разработку архитектуры искусственной нейронной сети с целью достижения высокой точности классификации. В статье освещены развитие и современное состояние методов ИИ в визуализации лёгких, а также при выявлении и диагностике лёгочных узлов; особое внимание уделено радиомике и глубокому обучению.

Переведем эту статью за 1 час

Загрузите PDF, а мы сделаем полный перевод, краткий конспект и красивую инфографику.

Попробовать бесплатно →

Также в Подтеме: еженедельные литобзоры, база международных клинреков и конспекты свежих мед. статей и подкастов каждый день.