Выявление ранних КТ-признаков аденокарциномы легкого с использованием алгоритмов искусственного интеллекта

Недавно в январском выпуске журнала Bioscience reports была опубликована статья по изучению ранних признаков различных подтипов аденокарциномы легкого на основании КТ-исследований и алгоритмов машинного обучения.

Напомним, что симптом «матового стекла» на КТ ОГК не является патогномоничным признаком интерстициальной (вирусной) пневмонии и может быть проявлением преинвазивной формы аденокарциномы легкого.

Патологические подтипы аденокарциномы проявлялись на КТ в виде узелков по типу «матового стекла» и были подразделены на:

Атипичная аденоматозная гиперплазия легких (AAH);
Аденокарцинома in situ (AIS);
Минимальная инвазивная аденокарцинома (MIA);
Инвазивная аденокарцинома (IAC).

В исследовании было проанализировано 224 КТ-изображений с учетом анамнестических и клинико-лабораторных данных. Критериями включения в испытание были:

Подтвержденный случай аденокарциномы легкого;
КТ ОГК была проведена за ≤ 1 месяц до операции (толщина среза ≤1,5 мм);
Максимальный диаметр узла по типу «матового стекла» ≤ 30 мм;
Отсутствовали метастазы и ранее проведенная противоопухолевая терапия.

Два рентгенолога (с опытом работы >10 лет) просматривали КТ-изображения и отмечали очаги «матового стекла» с указанием их локализации, четкости контуров и других сопутствующих симптомов со стороны плевры, сосудов и бронхов.

Алгоритм искусственного интеллекта (ИИ) оценивал следующие характеристики узелков по типу «матового стекла» - средний диаметр в 2D- и 3D-проекциях, среднюю плотность и объем.

ИТОГИ:

Средний возраст пациентов составил 51,42±11,15 лет, из них - 146 мужчин и 64 женщин. В общей сложности подтипы аденокарциномы были обнаружены в следующих пропорциях:

AAH/AIS – 53 КТ-изображений;
MIA – 93 изображений;
IAC – 76 изображений.

На основании анализа результатов ИИ-алгоритма была выявлена закономерность – чем инвазивнее форма аденокарциномы легкого, тем выше показатели среднего диаметра, объема и плотности выявленного узелка по типу «матового стекла».

Авторы делают вывод о том, что применение алгоритмов машинного обучения поможет врачам быстро и точно идентифицировать ранние подтипы аденокарциномы легкого в рутинной практике.

Ссылка на оригинал «Identification of pathological subtypes of early lung adenocarcinoma based on artificial intelligence parameters and CT signs» - https://portlandpress.com/bioscirep/article/42/1/BSR20212416/230629/Identification-of-pathological-subtypes-of-early