Технологии глубокого обучения нейронных сетей позволяют проводить автоматическую оценку полученных результатов компьютерной томографии, при этом такие системы самообучаются при получении большого количества примеров. Эффективность нового подхода сравнивалась с точностью выявления новообразований рентгенологами на снимках пациентов с подтвержденным результатами биопсии злокачественным заболеванием.
Исследования алгоритмов машинного обучения проводились с использованием данных КТ почти 7000 участников исследования по выявлению рака легкого в США. Точность выявления новообразований сравнивалась с данными, полученными при экспертной оценке более 1000 снимков рентгенологами. Оказалось, что при наличии предыдущих КТ-снимков, точность диагностирования компьютерной системой сравнима с точностью экспертной оценки, но при отсутствии снимков для сравнения алгоритмы машинного обучения снижают вероятность получения ложно положительных и ложно отрицательных результатов на 11% и 5% соответственно.
По словам инженеров, рентгенологи обычно изучают сотни двухмерных изображений, так называемых КТ-срезов, тогда как цифровая технология оценивает сразу одну трехмерную картинку. Более того, она одновременно проводит сравнение с предыдущими результатами сканирования. Такой подход обеспечивает высокую чувствительность новой методики.
