Компьютерная модель диагностирует рак молочной железы точнее, чем врачи

Биопсию при подозрении на рак молочной железы назначают по результатам маммографии. На маммограммах плотные ткани могут перекрываться и маскировать опухоль, что не позволяет рентгенологу ее детектировать. Ученые из Google Health с коллабораторами разработали систему на основе искусственного интеллекта, которая анализирует маммограммы эффективнее, чем человек.

Для тренировки и оценки модели глубокого обучения авторы использовали маммограммы 25 856 женщин из Великобритании и 3 097 женщин из США. Для тестирования системы использовались маммограммы пациентов, статус которых был подтвержден биопсией или повторным скринингом.

Искусственный интеллект совершил меньшее количество ошибок при диагностике, чем врачи. Для подтверждения этих результатов ученые не только проанализировали диагнозы, которые ставили по маммограммам специалисты, но также провели отдельное исследование: предложили 500 случайно отобранных маммограмм системе и шести рентгенологам. Врачи снова показали себя хуже, чем компьютерная модель, несмотря на то, что они, в отличие от искусственного интеллекта, имели доступ к истории болезни пациента (в том числе к результатам предыдущих скринингов). Модель оказалась точнее за счет уменьшенного показателя ложноположительных результатов (то есть меньше здоровых людей будут отправлены на биопсию). Количество ложноотрицательных результатов для искусственного интеллекта относительно человека не увеличилось: система пропускает опухоль реже или так же часто, как врач.

Данная работа предполагает, что использование ИИ позволит диагностировать рак молочной железы точнее. Однако о замене докторов машинами говорить слишком рано. Стоит вспомнить, что ранее подающая надежды компьютерная модель CAD, которая также должна была облегчить диагностику рака молочной железы, отмечая наиболее подозрительные участки на маммограмме, при попытке использования в реальной жизни не повысила процент правильных диагнозов.

Авторы отмечают, что выбранные для тренировки и проверки работы модели датасеты могут не отражать реальное популяционное разнообразие. Перед внедрением системы, основанной на ИИ, в диагностическую практику необходимы клинические испытания.