Искусственный интеллект находит все более широкое применение в различных сферах экономики и жизни общества, в том числе и в медицине. О его возможностях для профилактики онкологических заболеваний в кратком обзоре недавних исследований.
Искусственный интеллект (ИИ) — это область исследований, в которой компьютеры применяются для имитации человеческого интеллекта. За последнее десятилетие он внес существенный вклад в решение множества биомедицинских проблем, включая рак. В арсенале его методов машинное обучение — подобласть ИИ, в которой математические и статистические подходы применяются для повышения производительности компьютеров. Глубокое обучение, подобласть машинного обучения, которая отличается высокой гибкостью и поддерживает автоматическое извлечение признаков. Оно все чаще применяется в различных областях как фундаментальных, так и клинических исследований рака. Цифровизация здравоохранения кардинально меняет клинический рабочий процесс, предоставляя как поставщикам медицинских услуг, так и пациентам доступ к информации, основанной на больших данных. На смену медицине, основанной на опыте, приходит подход, основанный на фактических данных и ориентированный на пациента. Быстро развивающиеся технологии ИИ будут оказывать все большое влияние на онкологию в ближайшем будущем. Учитывая, как быстро развивается эта область и предполагается множество потенциальных применений ИИ в науке о раке, можно ожидать, что эта технология произведет революцию в онкологии в ближайшее десятилетие [1].
ИИ и машинное обучение существенно повлияли на многие сферы здравоохранения. Развитие технологий проложило путь к анализу больших наборов данных экономичным способом. Важной задачей здравоохранения является снижение смертности, что требуют ранней диагностики для эффективного терапевтического вмешательства. В связи с этим задачей медицинской науки является точная классификация заболеваний и разработка оптимальных методов диагностики и лечения, которые, как ожидается, улучшат результаты лечения многих пациентов. ИИ представляется главным фактором трансформации здравоохранения в точную медицину. Учитывая растущее количество доступных молекулярных данных, возможно, появится возможность более полно идентифицировать подтипы заболеваний, чтобы предсказать как будет развиваться патологическое состояние и ответ на лечение [1].
Раннее выявление рака является ключом к спасению жизней онкологических больных. Глубокое обучение уже используется для выполнения разнообразных задач, таких как диагностика рака, на уровне, равном или иногда превосходящем уровень клинических экспертов. В частности, оно уже находит применение в ранней диагностике колоректального рака, заболеваемость которым растет во всем мире, и на его долю в 2019 г. пришлось 1,15 миллиона смертей. Его можно предотвратить, если выявить аномальный рост клеток железистого эпителия (аденоматозные полипы) на ранней стадии. Колоноскопия снижает заболеваемость колоректальным раком, позволяя обнаруживать и удалять неопластические полипы. Ее настоятельно рекомендуют в качестве скринингового теста как на ранние стадии рака, так и на аденоматозные полипы. Однако у него есть некоторые ограничения, в том числе высокая вероятность пропуска полипов меньшего размера (<10 мм) или плоских полипов, которые легко не заметить при визуальном осмотре. За последнее десятилетие был достигнут значительный прогресс в автоматическом обнаружении полипов толстой кишки с помощью нескольких систем на основе ИИ. С появлением более совершенной методологии акцент сместился с простого обнаружения на точное распознавание и диагностику полипов толстой кишки. Фактические данные показывают, что многие мелкие полипы не видны при колоноскопии. Технологии ИИ успешно используются для решения проблем, связанных с пропущенными полипами, а также в качестве инструментов для повышения возможностей обнаружения аденомы – предшественника рака толстой кишки. Так, метаанализ 48 исследований показал увеличение на 45% частоты обнаружения полипов у пациентов с использованием ИИ во время колоноскопии по сравнению с пациентами, которым была проведена стандартная колоноскопия [2].
Эти новые стратегии основаны на специфичности и точности систем на основе ИИ и правильной идентификации патологического диагноза полипов, тем самым предоставляя эндоскописту информацию в режиме реального времени для принятия клинического решения: оставить поражение на месте или удалить. Основным преимуществом использования этих стратегий является оптимизация затрат на программы профилактики колоректального рака при обеспечении хороших клинических результатов. Их внедрение может оказаться экономически эффективным и позволит реализовать программы профилактики колоректального рака на уровне населения, что может снизить заболеваемость колоректальным раком и улучшить выживаемость пациентов за счет возможности ранней диагностики и лечения.
В настоящее время в медицине все шире используются достижения молекулярной биологии: генетических и эпигенетических методов исследования. Применение суперкомпьютеров для анализа генов онкологических больных часто приводит к выявлению от 1000 до 100 000 геномных мутаций для каждого образца опухоли. Необходимостью является уточнение связи каждой из этих мутаций с видами опухолей, что сейчас является узким местом для геномной медицины. Клиническая интерпретация генетических вариантов зависит главным образом от информации в научной и медицинской литературе. Другими словами, исследователям необходимо найти соответствующую литературу, чтобы связать выявленные геномные мутации с информацией о болезненных состояниях, эффективных лекарствах и прогнозе. Поскольку только в 2019 году было опубликовано более 200 000 новых статей, посвященных раку, человеческих ресурсов недостаточно для ручного курирования. Тут на помощь может прийти ИИ, использование которого становится все более необходимым. Он автоматически учится комбинировать различные виды данных, интегрируя молекулярные и клинические данные и интерпретируя их результаты.
ИИ добился больших успехов в нескольких областях медицины, но пока его возможности в полной мере не используются в профилактике рака. Понимание факторов риска, вызывающих рак, имеет важное значение для снижения бремени рака в будущем. Большая часть современных знаний о борьбе с раком основана на эпидемиологических данных и новых крупномасштабных популяционных лабораторных исследованиях, призванных продвигать науку в области точной онкологии. Предполагается, что эти данные можно применить для первичной профилактики, используя ИИ и машинное обучение, которое автоматически изучает закономерности и может разрабатывать сложные модели и алгоритмы. Они, в свою очередь, позволяют строить прогноз, выявляя новые неожиданные взаимосвязи и пути надежным и воспроизводимым способом, которые в противном случае остались бы скрытыми, учитывая сложность больших данных. Научно обоснованный прогноз позволит изучать их влияние на профилактику в реальном времени, создавая стратегическую возможность борьбы с раком [3].
Литература
- Shimizu H, Nakayama KI. Artificial intelligence in oncology. Cancer Sci. 2020 May;111(5):1452-1460. doi: 10.1111/cas.14377.
- Nazarian S, Glover B, Ashrafian H, Darzi A, Teare J. Diagnostic Accuracy of Artificial Intelligence and Computer-Aided Diagnosis for the Detection and Characterization of Colorectal Polyps: Systematic Review and Meta-analysis. J Med Internet Res. 2021 Jul 14;23(7):e27370. doi: 10.2196/27370.
- Leatherdale S.T., Lee J. Artificial intelligence (AI) and cancer prevention: the potential application of AI in cancer control programming needs to be explored in population laboratories such as COMPASS. Cancer Causes Control. 2019 Jul;30(7):671-675. doi: 10.1007/s10552-019-01182-2.
Материал подготовлен д.б.н. Л.Г. Соленовой
НМИЦ онкологии им. Н.Н. Блохина МЗ России