17.08.2025

Роль искусственного интеллекта в современной медицине

Одним из самых серьезных вызовов человечеству является раковая патология, входящая в число основных причин летальных исходов у пациентов в мире

Введение.

За последнее десятилетие медицина шагнула далеко вперед, внедряются и используются новые методики, в том числе решения на основе информационных технологий. Одним из таких решений является применение искусственного интеллекта.

Искусственный интеллект - это способность компьютера решать задачи, для которых требуется человеческий интеллект. Необходимо отметить, что в целом ИИ известен достаточно давно, однако стал возможным к применению и обрел популярность лишь недавно, поскольку для его работы требуются мощные вычислительные системы и большие объемы данных, что стало осуществимо только в XXI веке. Машинное обучение - это область искусственного интеллекта, которая с помощью математических алгоритмов и больших данных проводит анализ и помогает принимать решение. Глубокое обучение, в свою очередь, является частью машинного обучения, которое использует искусственные нейронные сети с большим количеством слоев для получения особенных признаков данных и применяется для распознавания образов, например - анализа изображений. Нейронная сеть - это программное обеспечение, реализованное по принципу биологических нейронных сетей. В основе лежит методика использования взаимосвязанных узлов, или нейронов, которые по структуре напоминают человеческий мозг [1].

Основная задача ИИ - расширить человеческие возможности и приносить пользу в различных областях применения. Благодаря своим возможностям ИИ активно используется в медицине при выявлении серьезных заболеваний у пациентов в рамках анализа МРТ- и КТ-скрининга, ПЭТ- снимков.

Основная часть.

Одним из самых серьезных вызовов человечеству является раковая патология, входящая в число основных причин летальных исходов у пациентов в мире. Раннее диагностирование рака у пациента с помощью ИИ существенно увеличивает шансы на излечение и увеличение продолжительности его жизни. В данном материале мы рассмотрим основные факторы, которые способствуют улучшению диагностики пациентов и более оперативному и оптимальному лечению, используя для этого возможности искусственного интеллекта.

Рак легких занимает ведущее место среди заболеваний, которые приводят к смертельному исходу. 

В 2020 году в мире зафиксировано 2 206 771 случаев рака легких. Это данные включают мелкоклеточный (МКРЛ) и немелкоклеточный рак легких (НМКРЛ) [2], [3].

Мелкоклеточный рак легкого диагностируется у 10-15% пациентов и имеет тенденцию к более агрессивному течению, быстрому распространению, рецидивам.

Немелкоклеточный рак легкого (НМКРЛ) включает в себя все остальные виды рака легкого и диагностируется у 85-90% пациентов [4].

Значительная часть данных случаев приводит к смертельному исходу. Успех излечения от данной патологии в основном зависит от того, на какой стадии выявлено заболевание. К сожалению, статистика показывает, что пациенты достаточно часто узнают, что у них рак, только на поздних стадиях заболевания. Таким образом, смертность в течение ближайших пяти лет крайне высока.

Ученые подсчитали, что только около 16% заболеваний раком легких было продиагностировано на ранней стадии. Большинство пациентов выявляются на поздних стадиях рака, в то время как радикальное лечение уже не представляется возможным.

Таким образом, с целью снижения уровня заболевания первоочередной задачей является раннее обнаружение любого вида рака, в том числе и рака легких. Диагностика и правильное лечение на первых стадиях заболевания существенно увеличит шансы пациента на выживание.

Флюорография, рентген грудной клетки являются наиболее распространенным методом диагностики легких, однако данный метод не является самым чувствительным для выявления новообразований, опасных узелков в легких на ранних стадиях. В Соединенном Королевстве ученые проанализировали, что при проведении только рентгеновского снимка возможно упустить до 20% случаев заболевания раком легких.

На устаревшем оборудовании рентгеновского аппарата не всегда возможно точно определить незначительные очаги заболевания легких. Для качественной диагностики необходимо проведение магнитно-резонансной или компьютерной томографии.

Компьютерная томография - наиболее оперативный вариант диагностики, если сравнивать с магнитно-резонансной томографией, и, как правило, применяется в экстренных случаях. Однако подходящий и актуальный способ диагностики выбирает лечащий врач, поскольку при использовании, как КТ, так и МРТ существуют определенные риски и противопоказания для пациентов.

В частности, магнитно-резонансная томография не проводится пациентам с металлическими имплантами, кардиостимулятором, несъемными зубными протезами, при достаточно большом весе тела.

Компьютерная томография не проводится при беременности, а также женщинам при грудном вскармливании, она не рекомендована детям до 7 лет, а также пациентам при почечной недостаточности, когда используется контрастное усиление для диагностики.

В итоге, во-первых, выбранный метод проводимой диагностики, качество оборудования, его настройка и техническое состояние значительно влияют на результат и качество обследования.

Во-вторых, существует риск ошибки врача-рентгенолога или радиолога, который готовит заключение и ставит пациенту диагноз, если незначительное поражение легких не было замечено, и патология осталась нераспознанной вследствие усталости врача или большого объема обрабатываемых снимков. Таким образом, квалификация врача и человеческий фактор также в значительной степени влияют на грамотную постановку диагноза. По этой причине пациенты нередко дополнительно прибегают к помощи другого врача, в качестве второго мнения.

Как искусственный интеллект может помочь в выявлении заболевания?

В данном случае он используется для выявления наиболее опасных стадий патологии с целью уделить в дальнейшем таким пациентам первостепенное внимание и обеспечить необходимое лечение или же, как второе мнение по конкретному снимку в рамках диагностики.

Алгоритм глубокого обучения может помочь врачам сфокусировать внимание на части снимков, которые вызывают беспокойство. Например, когда на снимке рак частично или полностью скрыт ключицей или ребром и его трудно разглядеть. Снимки с высоким разрешением и большим количеством срезов являются наиболее качественными, однако требуют от врача- рентгенолога серьезных усилий для корректного заключения о диагнозе.

Глубокое обучение проводят с большим объемом данных - десятками тысяч рентгеновских снимков, а также снимков компьютерной томографии и МРТ. На части из них действительно имеются патологии легких, в то время как на другой части заболевания отсутствуют.

Человеческое зрение иногда упускает из виду крошечные раковые патологии. Искусственный интеллект анализирует огромное количество снимков, никогда не устает и выполняет анализ в строгом соответствии с заданным алгоритмом.

ИИ не в состоянии полностью заменить врача-рентгенолога, однако данная технология, определяет и квалифицирует потенциальное заболевание. 

При выявлении небольших узелков в тканях легкого необходима максимально точная классификация потенциально патологических узлов и их разделение на злокачественные или доброкачественные. Указывает и подчеркивает на снимке проблемные места, на которые должен обратить внимание радиолог или рентгенолог, прежде чем поставить окончательный диагноз. Также ИИ способен определить тенденции к росту патологии.

Современные алгоритмы искусственного интеллекта могут проанализировать входные данные, чтобы рассчитать достоверность диагноза для принятия клинического решения.

 Наработана практика, которая позволяет ИИ увеличить возможности рентгенологов, помогает повысить точность раннего выявления патологии. ИИ выделяет проблемные области на снимке для дальнейшего изучения, что увеличивает достоверность диагноза пациента.

Затем алгоритм ИИ помогает машине узнать, как выглядит опухоль рака легкого, проводится сравнение снимка пациента с базой данных. На основе анализа предоставляется заключение, содержит ли снимок потенциально опасную патологию.

Многие ученые из США, Германии и Южной Кореи определили, что аннотирование изображений различным цветом с проблемными областями на рентгеновских снимках, которые затем предоставляются врачу-рентгенологу, повысило чувствительность определения опухолей на ранних стадиях до 70,3%.

Данная методика позволила существенно сократить количество ложноотрицательных и ложноположительных результатов [5].

Необходимо отметить весьма перспективную способность модели ИИ анализировать объем ткани легкого на снимках КТ. Дополнительные пиксели, полученные в ЭИ-модели, позволяют ИИ проанализировать кровеносные сосуды и соединительную ткань, которые не являющейся частью опухоли, но находящиеся вокруг патологии. В результате модель определила факторы, которые способны дать представление о тенденции развития патологии и повысить точность прогнозирования заболевания. В итоге лечащий врач способен разработать лучшую методику лечения рака, исходя из перспективной модели его роста в тканях легкого.

Заключение.

Таким образом, факты использования ИИ на практике, в частности в ранней диагностике раковых патологий, показывают состоятельность данной технологии, оказывая существенную помощь врачу-рентгенологу в обработке большого объема снимков пациентов и оперативного выявления сложных случаев, по которым требуется повышенное внимание и неотложное лечение. В рамках развития алгоритмов машинного обучения, анализа большого объема информации, точного и расширенного списка входных данных для анализа, рассматриваемая технология будет развиваться и показывать высокий процент выявления потенциальных патологий у пациентов, а также имеет все перспективы существенно содействовать работе врачей в постановке более точного диагноза.

 

СПИСОК ЛИТЕРАТУРЫ:

Гусев А.В., Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении, Здравоохранение в информационном обществе // Информационное общество. 2017, 4-5:78-93;

Erin Clancy. Adenocarcinoma Now the Most Common Type of Lung Cancer Worldwide // Cancer Therapy Advisor. 2023;

Zhang Y, Vaccarella S, Morgan E, Li M, Etxeberria J, Chokunonga E, et al Global variations in lung cancer incidence by histological subtype in 2020: a population-based study // doi 10.1016/S1470-2045(23)00444-8;

Benedette Cuffari. What are the Differences Between Small Cell and NonSmall Cell Lung Cancer// News Medical. 2019;

Brandon Harper. Detecting Lung Cancer with Artificial Intelligence (Part 1): Technical Challenges // Oak-TrTechnologies

Автор:

Алубин С.В. -преподаватель информационных технологий Университет ИТМО (г. Санкт-Петербург, Россия)

Теги: искусственный интеллект
234567 Начало активности (дата): 17.08.2025
234567 Кем создан (ID): 989
234567 Ключевые слова:  искусственный интеллект, медицина, машинное обучение, глубокое обучение
12354567899