Оценка высоко- и низкорисковых гистопатологических подтипов базальноклеточного рака с использованием искусственного интеллекта и оценки дерматологов

Введение: Базальноклеточный рак (БКР) — самый распространённый рак кожи, и точная гистопатологическая стратификация риска необходима для выбора лечения. Свёрточные нейронные сети показывают перспективность в анализе изображений, однако исследований по классификации подтипов БКР проведено мало.

Цель: Оценить диагностическую эффективность свёрточной нейронной сети для бинарной классификации высоко- и низкорисковых гистопатологических подтипов БКР и сравнить её с оценкой дерматологов.

Методы: В ретроспективном одноцентровом исследовании 1580 дерматоскопических изображений БКР с гистопатологическим подтверждением использовали для обучения предобученной свёрточной нейронной сети. Тестовую выборку (n=249) оценивали 9 дерматологов. Эффективность определяли по площади под кривой операционных характеристик приёмника (AUC ROC). С помощью логистической регрессии оценивали связь между заранее определёнными признаками опухоли и гистопатологическим подтипом.

Результаты: Свёрточная нейронная сеть достигла AUC 0,75 (95% доверительный интервал 0,69–0,81), что было сопоставимо с результатами дерматологов (AUC 0,79; 95% доверительный интервал 0,73–0,84; P=.18). Бугристая поверхность, клиническое и дерматоскопическое изъязвление, нечёткие границы, а также дерматоскопические фокусированные сосуды и белые фарфоровидные участки были связаны с высокорисковым БКР, тогда как нефокусированные сосуды, эрозии и пигментация — с низкорисковым БКР.

Ограничения: Ретроспективный одноцентровой дизайн и ограниченный объём метаданных для свёрточной нейронной сети.

Выводы: Свёрточные нейронные сети представляются полезными для бинарной классификации гистопатологических подтипов БКР.