Zastosowanie sztucznej inteligencji do wykrywania POChP na podstawie TK klatki piersiowej
U wielu osób przewlekła obturacyjna choroba płuc pozostaje niezdiagnozowana. Stąd też, poszukuje się możliwości diagnostyki przewlekłej obturacyjnej choroby płuc przy okazji innych procedur. Na przykład, pacjenci którzy są poddani diagnostyce guzku płuca za pomocą tomografii komputerowej, mogą chorować na przewlekłą obturacyjną chorobę płuc, a obraz tomografii może skłonić lekarza do skierowania pacjenta na spirometria. Na łamach Lancet Digital Health ukazała się praca w której wykorzystano model sieci neuronowej do rozpoznania przewlekłej obturacyjnej choroby płuc na podstawie zdjęć z niskoemisyjnej tomografii komputerowej klatki piersiowej.
Sieci neuronowe to jeden z rodzajów uczenia maszynowego, które stanowią podstawę tworzenia autonomicznych programów tj. sztucznej inteligencji. Do stworzenia trzech modeli sieci neuronowych wykorzystano dane pochodzące z PanCan study które dotyczyło możliwości screeningu raka płuc u osób z wieloletnią historią palenia papierosów. Następnie do walidacji wykorzystano 2153 skanów tomografii komputerowej uzyskanych z ECLIPSE study (badanie obserwacyjne pacjentów z przewlekłą obturacyjną chorobą płuc). Sieć neuronowa o najlepszej wartości diagnostycznej uzyskała AUROC równe 0,89. Wykorzystując tę sieć na danych pochodzących z badania ECLIPSE uzyskano AUROC równe 0, 89, pozytywną wartość predykcyjna równą 0,85 i negatywna wartość predykcyjna równą 0,76.
Stworzony model sieci neuronowej z dużą pewnością mógł wskazać na pacjentów z przewlekłą obturacyjną chorobą płuc na podstawie tomografii komputerowej klatki piersiowej. Ze względu na charakter badań wykorzystanych w tworzeniu modelu, w ten sposób można diagnozować osoby z długoletnią historią palenia papierosów. Dzięki szerszemu zastosowaniu takiego podejścia można byłoby zdiagnozować więcej przypadków przewlekłej obturacyjnej choroby płuc u osób, które są poddane szczegółowej diagnostyce guzka płuc.
Artykuł „Towards large-scale case-finding: training and validation of residual networks for detection of chronic obstructive pulmonary disease using low-dose CT” jest dostępny w trybie open-access.
AUROC – Area Under Receiving Operating Characteristic Curve (pl. pole powierzchni pod krzywą ROC)
Stworzony model sieci neuronowej z dużą pewnością mógł wskazać na pacjentów z przewlekłą obturacyjną chorobą płuc na podstawie tomografii komputerowej klatki piersiowej. Ze względu na charakter badań wykorzystanych w tworzeniu modelu, w ten sposób można diagnozować osoby z długoletnią historią palenia papierosów. Dzięki szerszemu zastosowaniu takiego podejścia można byłoby zdiagnozować więcej przypadków przewlekłej obturacyjnej choroby płuc u osób, które są poddane szczegółowej diagnostyce guzka płuc.
Artykuł „Towards large-scale case-finding: training and validation of residual networks for detection of chronic obstructive pulmonary disease using low-dose CT” jest dostępny w trybie open-access.
AUROC – Area Under Receiving Operating Characteristic Curve (pl. pole powierzchni pod krzywą ROC)
Patronat naukowy portalu: