Применение искусственного интеллекта в ультразвуковой диагностике

Диагностические возможности искусственного интеллекта на основе ультразвукового исследования для прогнозирования ключевых молекулярных маркеров рака молочной железы:
систематический обзор и метаанализ

Оригинал: Fu Y, Zhou J, Li J. Diagnostic performance of ultrasound-based artificial intelligence for predicting key molecular markers in breast cancer: A systematic review and meta-analysis. PLoS One.
2024 May 31;19(5):e0303669. doi: 10.1371/journal.pone.0303669

Аннотация

Актуальность исследования:

Диагностика и лечение рака молочной железы (РМЖ) в значительной степени зависят от молекулярных маркеров, таких как HER2, Ki67, PR и ER. В настоящее время эти маркеры выявляются инвазивными методами.

Цели исследования:

В данном метаанализе исследуется диагностическая точность радиомики* на основе ультразвукового исследования как нового подхода к прогнозированию этих маркеров.

Методы исследования:

Был проведен всесторонний поиск в базах данных PubMed, EMBASE и Web of Science для выявления исследований, оценивающих радиомику на основе ультразвуковых исследований при РМЖ. Критерии включения составляли исследования HER2, Ki67, PR и ER в качестве ключевых молекулярных маркеров. Была проведена оценка качества с использованием методов оценки точности диагностики (QUADAS-2) и оценки качества радиомики (RQS). Этап извлечения данных проводился систематически.

Результаты исследования:

Наш метаанализ количественно оценивает диагностическую точность радиомики на основе ультразвуковых исследований с чувствительностью и специфичностью 0,76 и 0,78 для прогнозирования HER2, 0,80 и 0,76 для биомаркеров Ki67. Исследования не предоставили достаточных данных для количественного анализа прогнозирования PR и ER. При этом общее качество исследований, основанных на инструменте RQS, было умеренным. Оценка QUADAS-2 показала, что исследования характеризовались неопределённым риском предвзятости в отношении некоторых параметров.

Заключение:

Анализ показал, что модели искусственного интеллекта обладают многообещающей точностью для прогнозирования состояния ключевых молекулярных биомаркеров у пациентов с РМЖ. В свою очередь, количественный анализ биомаркеров HER2 и Ki67, продемонстрировал точность от средней до высокой. Тем не менее принятые во внимание исследования, общее качество которых оценивается как приемлемое, не предоставили достаточных данных для метаанализа точности прогнозирования ER и PR в разработанных моделях. В связи с этим предлагается проводить больше перспективных исследований радиомики в разных научных центрах и более подробно описывать их результаты.

* Радиомика — способ медицинской визуализации, направленный на расширение возможностей томографических исследований (КТ, МРТ), доступных клиницистам, с помощью продвинутого математического анализа получаемых изображений. Посредством математического извлечения пространственного распределения интенсивностей сигналов и взаимосвязей пикселей радиомика количественно оценивает текстурную информацию, представленную на матрице изображения, используя методы анализа из области искусственного интеллекта (источник — https://med-conferences.ru/i-radiomics).