По всем вопросам звоните:

+7 495 274-22-22

УДК: 614.2 DOI:10.33920/med-03-2010-04

Искусственный интеллект в онкологии

А. А. Пахомова Федеральное государственное автономное образовательное учреждение высшего образования «Национальный исследовательский Нижегородский государственный университет им. Н. И. Лобачевского», Институт биологии и биомедицины, Специальность медицинская биофизика, Кафедра биофизики, студент, pakhomovaaa98@mail.ru

В настоящее время смертность от онкологических заболеваний является второй по частоте среди общей смертности населения. Данный факт не дает покоя врачам, поэтому специалисты постоянно оптимизируют методы и решения, помогающие выявить рак. Одна из самых перспективных и многообещающих технологий в медицине — это искусственный интеллект.

Литература:

1. Mach ine learning in cancer diagnosis. 2020 [Электронный ресурс]. — Режим доступа: https://cancercenter.ai/ (дата обращения: 19.07.2020).

2. Здра воохранение в России. 2019: Стат.сб. / Росстат. — Москва. 2019: 170 с.

3. Рыба чек Е. Машинное обучение поможет диагностировать рак на ранних стадиях. [Электронный ресурс]. — Режим доступа: https://techfusion.ru/mashinnoe-obucheniepomozhet-diagnostirovat-rak-na-rannih-stadiyah/ (дата обращения: 15.11.2018).

4. Iafr ate F. 2018. Artificial Intelligence and Big Data — The Birth of a New Intelligence, ISTE Ltd and John Wiley & Sons.

5. Cyno ber T. Artificial Intelligence in Oncology: Fantasy or Reality? [Электронный ресурс]. — Режим доступа: https://www.labiotech.eu/ai/artificial-intelligence-oncology/ (дата обращения: 17.06.2019)..

6. Cocc ia M. 2019. Artificial intelligence technology in oncology: a new technological paradigm [Электронный ресурс]. — Режим доступа: Https://Arxiv.Org/Ftp/Arxiv/ Papers/1905/1905.06871. Pdf

7. Alex ander F. I. Osman Radiation Oncology in the Era of Big Data and Machine Learning for Precision Medicine [Электронный ресурс]. — Режим доступа: https://www.intechopen. com/books/artificial-intelligence-applications-in-medicine-and-biology/radiationoncology-in-the-era-of-big-data-and-machine-learning-for-precision-medicine (дата обращения: 22.01.2019).

8. Mada bhushi A., Lee G. Image analysis and machine learning in digital pathology: challenges and opportunities. Med Image Anal. 2016; 33: 170–175.

9. Good fellow I., Yoshua B., Courville A. 2018. Deep Learning, MIT Press.

10. Abd er-Rahman Ali Deep Learning in Oncology — Applications in Fighting Cancer [Электронный ресурс]. — Режим доступа: https://emerj.com/ai-sector-overviews/deeplearning-in-oncology/ (дата обращения: 19.02.2019).

11. Borj i A. (2018). Negative results in computer vision: A perspective. Image and Vision Computing 69 (2018), pp. 1–8.

12. Litj ens G., Kooi T., Bejnordi B. E., Setio A. A. Ciompi A., Ghafoorian F., M, van der Laak, J. A, Van Ginneken, B, and Sánchez, C. I. (2017). A survey on deep learning in medical image analysis. Medical image analysis 42 (2017), 60–88.

13. Issa m El Naqa, Ruijiang Li, Martin J. Murphy Machine Learning in Radiation Oncology. Springer International Publishing Switzerland. 2015: 325.

14. Соци ально-значимые заболевания населения России в 2018 году. Стат. мат. — Москва. 2019: 73 с.

15. Гомб олевский В. А. Сможет ли искусственный интеллект быть внедрен в программы скрининга рака легкого? // RUSSCO «Немелкоклеточный рак легкого», СанктПетербург, 15–16 марта 2019 [Электронный ресурс]. — Режим доступа: https:// rosoncoweb.ru/events/2019/03/15/archive/

16. McKi nney S. M., Sieniek M., Shetty S. International evaluation of an AI system for breast cancer screening. Nature. 2020 Jan; 577 (7788): 89–94.

17. Блог компании «медицинские скрининг системы» по технологии «Цельс» [Электронный ресурс]. — Режим доступа: https://celsus.ai/category/ (дата обращения: 19.07.2020).

18. Гара нина Е. AI и онкология: как программисты разработали систему, которая распознает рак [Электронный ресурс]. Rusbase — 2019 [Электронный ресурс]. — Режим доступа: https://rb.ru/longread/aicancercelsus/?fbclid=IwAR0oUL7aiBUmmmsXm ywctpfZBWqSUphrKAx5aLeGS-218flRUu3-gupFH2E

19. 7 AI Cancer Diagnostics Startups Digitizing Healthcare [Электронный ресурс]. — Режим доступа: https://www.nanalyze.com/2019/10/ai-cancer-diagnostics/ (дата обращения: 29.10.2019).

20. Smorodin G., Kolesnichenko O., Kolesnichenko Y., Myakinkova L., Prisyazhnaya N., Yakovleva D., Mazelis L., Litvak N., Martynov A., Pulit V., Danilova D., Balandin S. Internet of Things: Modern Paradigm of Health Care / In Proceedings of the 21st Conference of Open Innovations Association FRUCT, University of Helsinki, Helsinki, Finland. 2016. ISSN 2305–7254, ISBN 978-952-68653-2-4, 562 p., FRUCT Oy, e-ISSN 2343–0737 (license CC BY-ND). P. 311–320.

21. Reshetnikov A., Fedorova J., Prisyazhnaya N., Sotnik A., Shamshurina N., Kolesnichenko O. Health Management for Sustainable Development // 2018 Second World Conference on Smart Trends in Systems, Security and Sustainability (WorldS4), London, UK. 2018: 51–56.

22. Varlamov O. O., Osipov V. G., Chuvikov D. A., Adamova L. E., Kolesnichenko O. Yu., Prisyazhnaya N. V., Petrov M. A., Shamshurina N. G., Zabolotskaya I. K., Zhilina T. N., Marochkina E. B., Kolesnichenko Yu. Yu. Logical, Philosophical and Ethical Aspects of AI in Medicine // ICCSIT-2018. International Journal of Machine Learning and Computing (IJMLC).

1. Machine learning in cancer diagnosis. 2020. https://cancercenter.ai/ (accessed: 19.07.2020).

2. Healthcare in Russia. 2019: Stat. col. / Rosstat. - M., 2019. - 170 p.

3. Rybachek E. Machine learning can help diagnose cancer at an early stage. [Electronic resource] - 15.11.2018. - Access mode: https://techfusion.ru/mashinnoe-obuchenie-pomozhet-diagnostirovat-rak-na-rannih-stadiyah/.

4. Iafrate F. 2018. Artificial Intelligence and Big Data- The Birth of a New Intelligence, ISTE Ltd and John Wiley & Sons

5. Cynober T. Artificial Intelligence in Oncology: Fantasy or Reality? – 17.06.2019. https:// www.labiotech.eu/ai/artificial-intelligence-oncology/

6. Coccia M. 2019. Artificial intelligence technology in oncology: a new technological paradigm. Https://Arxiv.Org/Ftp/Arxiv/Papers/1905/1905.06871.Pdf

7. Alexander F.I. Osman Radiation Oncology in the Era of Big Data and Machine Learning for Precision Medicine. 22.01.2019. https://www.intechopen.com/books/artificial-intelligence-applications-in-medicine-and-biology/radiation-oncology-in-the-era-of-bigdata-and-machine-learning-for-precision-medicine.

8. Madabhushi A., Lee G. 2016. Image analysis and machine learning in digital pathology: challenges and opportunities. Med Image Anal.;33:170-175.

9. Goodfellow I., Yoshua B., Courville A., 2018. Deep Learning, MIT Press.

10. Abder-Rahman Ali Deep Learning in Oncology – Applications in Fighting Cancer. 19.02.2019. https://emerj.com/ai-sector-overviews/deep-learning-in-oncology/.

11. Borji, A. (2018). Negative results in computer vision: A perspective. Image and Vision Computing 69 (2018), pp. 1–8.

12. Litjens G, Kooi T, Bejnordi, B. E, Setio, A. A. A, Ciompi, F, Ghafoorian, M, van der Laak, J. A, Van Ginneken, B, and Sánchez, C. I. (2017). A survey on deep learning in medical image analysis. Medical image analysis 42 (2017), 60–88.

13. Issam El Naqa, Ruijiang Li, Martin J. Murphy Machine Learning in Radiation Oncology. Springer International Publishing Switzerland: 2015. 325 с.

14. Socially significant diseases of the Russian population in 2018. Stat. mat./ Moscow. - M., 2019. - 73 p.

15. Gombolevsky V. A. Can artificial intelligence be integrated into lung cancer screening programs? In the book: RUSSCO "Non-small Cell Lung Cancer", Saint Petersburg, March 15-16, 2019. - Access mode: https://rosoncoweb.ru/events/2019/03/15/archive/

16. McKinney S.M., Sieniek M., Shetty S. (2020). International evaluation of an AI system for breast cancer screening. Nature. 2020 Jan; 577(7788): 89-94.

17. Blog of the Medical screening systems company on the "Cels" technology [Electronic resource] - 19.07.2020. - Access mode: https://celsus.ai/category/

18. Garanina E. AI and Oncology: how programmers developed a system that recognizes cancer. [Electronic resource]/ Garanina E. // Rusbase-2019. - Access mode: https://rb.ru/longread/aicancercelsus/?fbclid=IwAR0oUL7aiBUmmmsXmywctpfZBWqSUphrKAx5aLeGS-218fl RUu3-gupFH2E

19. 7 AI Cancer Diagnostics Startups Digitizing Healthcare. 29.10.2019. https://www.nanalyze.com/2019/10/ai-cancer-diagnostics/

20. Smorodin G., Kolesnichenko O., Kolesnichenko Y., Myakinkova L., Prisyazhnaya N., Yakovleva D., Mazelis L., Litvak N., Martynov A., Pulit V., Danilova D., Balandin S. Internet of Things: Modern Paradigm of Health Care // In Proceedings of the 21st Conference of Open Innovations Association FRUCT, University of Helsinki, Helsinki, Finland. 2016. ISSN 2305-7254, ISBN 978-952-68653-2-4, 562 p., FRUCT Oy, e-ISSN 2343-0737 (license CC BY-ND). pp. 311-320.

21. Reshetnikov Andrei, Fedorova Julia, Prisyazhnaya Nadezhda, Sotnik Alexander, Shamshurina Nina, Kolesnichenko Olga. Health Management for Sustainable Development // 2018 Second World Conference on Smart Trends in Systems, Security and Sustainability (WorldS4), London, UK. 2018. P. 51-56.

22. Varlamov Oleg O., Osipov Vyacheslav G., Chuvikov Dmitry A., Adamova Larisa E., Kolesnichenko Olga Yu., Prisyazhnaya Nadezhda V., Petrov Maxim A., Shamshurina Nina G., Zabolotskaya Irina K., Zhilina Tatyana N., Marochkina Elena B., Kolesnichenko Yuriy Yu. Logical, Philosophical and Ethical Aspects of AI in Medicine // ICCSIT-2018. International Journal of Machine Learning and Computing (IJMLC).

Согласно исследованиям американских онкологов, с 2005 по 2015 г. во всем мире было зарегистрировано на 20 % больше случаев заболевания раком, чем в предыдущем тысячелетии [1]. Онкозаболеваниями на сегодняшний день страдает больше людей, чем СПИДом и туберкулезом. Этот факт увеличивает число развивающихся технологий диагностики и лечения онкологических заболеваний, ведь один из ключевых факторов успеха лечения онкологии — постановка максимально точного диагноза на ранних стадиях.

По данным Минздрава России, более 20 % больных, у которых выявлена онкология, умирают в течение года после постановки диагноза [2]. Это связанно с различными причинами, но основной является слишком поздняя диагностика рака. Поэтому главным достоинством нового метода, по мнению исследователей, является тот факт, что диагностика проводится на самых ранних стадиях, когда лечение для пациента будет более щадящим, а успех терапии значительно повышается. Ранее найти первые признаки злокачественной мутации не получалось из-за слишком низкой концентрации следов клеток [3].

В то же время онкологи десятилетиями пытаются выяснить, какие именно онкологические больные могут извлечь наибольшую пользу из специфического лечения. Однако успех этого подхода к точной медицине до сих пор был ограничен. Одна из причин заключается в том, что врачи переполнены трудными для понимания данными от пациентов, которых они лечат. Вот тут-то и вступает в игру искусственный интеллект. Чтобы избежать слишком долгой обработки результатов, специалисты определили тысячи модификаций, уникальных для каждого типа рака. Затем с помощью машинного обучения систему научили анализировать потоки данных и классифицировать их по первым признакам присутствия патологии.

Искусственный интеллект (ИИ, Artificial Intelligence — AI) — это свойство интеллектуальных систем выполнять различные функции, которые традиционно считаются прерогативой человека [4–6]. Данная разработка может породить огромные промышленные и социальные изменения в различных сферах жизни общества.

Для Цитирования:
А. А. Пахомова, Искусственный интеллект в онкологии. ГЛАВВРАЧ. 2020;10.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: