Разработана высокоточная ИИ‑модель по оценке вероятности онкозаболеваний
Фото: Lightspring/FOTODOM/Shutterstock
Компания «К-Скай», резидент Фонда «Сколково», разработчик платформы Webiomed, представил новую модель оценки онконастороженности. ИИ-платформа с высокой точностью предсказывает возникновение онкологических заболеваний у пациента в ближайшие 1,5 года. Анализ основан на технологиях глубокого обучения и классического машинного обучения.
При создании алгоритмов команда провела консультации с ведущими научными центрами России, специализирующимися на онкологии, чтобы определить ключевые аспекты скрининга злокачественных новообразований и выделить наиболее значимые признаки для входных данных модели.
«Новая разработка нашего резидента «К-Скай» позволяет повысить онконастороженность врачей первичного звена. С помощью Webiomed врачи смогут быстро анализировать факторы риска развития злокачественных новообразований и точнее выявлять онкологические заболевания на ранней стадии. Таким образом искусственный интеллект становится не просто инструментом диагностики, а стратегическим направлением современной онкологии», — подчеркнула Юлия Щеглова, директор направления «Медицинские и ассистивные технологии» Фонда «Сколково».
Модель представляет собой сложный алгоритм мультилейбл-классификации, оценивающий риск развития рака жизненно важных органов по 82 предикторам. Данный алгоритм позволяет прогнозировать онкозаболевания с высокой точностью и помогает выявлять большинство реальных случаев.
Для отдельных видов злокачественных образований модель сообщает, существует ли риск по каждому конкретному типу, без определения самого вероятного. По данным разработчика точность прогноза составляет: молочная железа — 93%, кишечник — 62%, предстательная железа — 66%, мочевой пузырь — 63%, шейка матки — 90%, легкие — 63%. Модель эффективно выявляет пациентов с высоким риском, при этом чувствительность варьируется от 41% до 83%.
Критически важным для обеспечения точности прогнозирования стал строгий отбор данных. Чтобы различать пациентов с ранними и поздними стадиями заболевания, использовались не только количественные показатели, такие как результаты анализов крови и инструментальных исследований, но и качественные характеристики, описанные врачами в клинических заключениях (историях болезни). Накопленные текстовые признаки и показатели таких пациентов стали ценным источником данных для выявления закономерностей и ранних предвестников онкологических заболеваний. Кроме того, особое внимание уделялось выявлению скрытых корреляций между различными факторами, которые могли указывать на риск развития заболевания.
Результаты прогностического моделирования были проверены в независимой группе пациентов, чтобы оценить их надежность и обобщающую способность. Это позволило убедиться в том, что разработанная модель способна предсказывать развитие заболевания не только на основе данных тех пациентов, на которых она была обучена.
