Необходимы дополнительные данные и более масштабные клинические испытания, чтобы искусственный интеллект (ИИ) сделал следующие шаги в направлении повседневного клинического рабочего процесса и демонстрации значимых результатов для пациентов, предложили ведущие европейские исследователи на заседании 1 марта на ECR 2023

Чтобы искусственный интеллект (ИИ) сделал следующие шаги в сторону ежедневного клинического рабочего процесса и демонстрации значимых результатов для пациентов, необходимы дополнительные данные и более масштабные клинические испытания, заявили ведущие европейские исследователи на сессии, посвященной 1 марта на ECR 2023.

Докладчики обсудили текущую роль ИИ и его потенциал в области онкологической визуализации, например прогнозирование раннего ответа на визуализацию опухолей, предназначенных для хирургического вмешательства, по сравнению с химиотерапией. Они также говорили о том, что необходимо для увеличения его присутствия и надежности в этом пространстве.

«Методология существует, но для того, чтобы оказать влияние, необходимо выполнить», — сказал профессор Виро Ниссен из Медицинского центра Университета Гронингена в Нидерландах. «Есть некоторый потенциал для скрининга с поддержкой ИИ, но на данный момент я думаю, что алгоритмы все еще слишком много обучаются и оптимизируются изолированно. Нам нужно объединить эти многоцентровые усилия и проекты».

ИИ в радиологии продолжает оставаться в центре внимания исследований: тысячи в основном небольших одноцентровых исследований демонстрируют способность технологии выявлять опухоли и различать злокачественные и доброкачественные образования. Несмотря на широкую доступность таких данных, не так много коммерчески доступных технологий, которые можно было бы легко интегрировать в клинические рабочие процессы.

«Проблема всегда заключается в данных. Воспроизводимость также является своего рода проблемой», — сказал доктор Даниэль Пинту душ Сантуш из университетской больницы Франкфурта в Германии. «Исследования не идеально представлены, поэтому мы не можем увидеть, сможем ли мы воспроизвести эти [данные] или нет. Я думаю, что есть много возможностей для улучшения».

Между тем, радиомика также изучалась, беря черты из изображений и характеризуя структуры опухолей. Исследования показали, что при объединении клинических данных радиомика показывает большую площадь под значениями кривой. Однако они еще не готовы для повседневного клинического использования, предположили исследователи.

Ниссен сказал, что, хотя в современной литературе существует много хороших статей, исследования еще не выполнены на том уровне, чтобы оказать большое влияние.

«Чтобы создать классификатор радиомики, мы должны увеличить объем данных и провести проверку более крупных внешних наборов данных», — сказал он.

Доктор Рамона Войтек из Кембриджского университета, Великобритания, предположила, что автоматическая сегментация и подсегментация могут помочь при оценке ответа пациентов, проходящих лечение от рака. Она добавила, что интеграция мультиомных данных может улучшить прогнозирование ответов.

«Когда мы думаем о глубоком обучении, мы должны думать не только о сверточных нейронных сетях, но и об использовании нейронных сетей для улучшенной интеграции нескольких наборов данных», — сказала она. «Есть доказательства того, что включение показателей гетерогенности может значительно улучшить эти прогнозы в ответ на лечение и результаты».

Итак, что нужно, чтобы ИИ успешно сделал следующий шаг из лаборатории в клинику? Несколько вещей, сказали эксперты. К ним относятся высококачественные данные с использованием самых современных методов, которые также позволяют избежать предвзятости и использовать инфраструктуры данных о здоровье, четко определенные задачи, плавную интеграцию в рабочие процессы способами, которые дополняют работу рентгенологов, и надлежащие стратегии проверки.

«Многие многообещающие алгоритмы могут работать в клинической практике не так хорошо, как сообщается в литературе», — сказал Ниссен.

Сантос добавил, что ИИ должен в конечном итоге привести к улучшению результатов лечения пациентов и что измерение таких результатов должно стать следующим шагом для ИИ, поскольку системы здравоохранения стремятся интегрировать его в рабочие процессы.

«Тот факт, что он [ИИ] доступен и работает… не обязательно приводит к улучшению результатов лечения пациентов», — сказал он. «Это даже не обязательно означает лучшую диагностику для врачей. Существует огромное количество литературы, но сейчас нам нужно действительно попытаться воплотить это в клиническую рутину и посмотреть, какую пользу это принесет пациенту».

Однако эксперты также с оптимизмом смотрели в возможное будущее, когда речь шла об искусственном интеллекте в клиниках.

«Если бы у нас были надежные инструменты, которые позволили бы нам оценить реакцию пациента на раннем этапе лечения, мы могли бы сократить лечение», — сказал Войтек. «Возможно, даже можно будет пропустить операцию, если мы сможем с уверенностью сказать, что не осталось инвазивной опухоли или карциномы».

Источник