«Обучаемые» компьютерные алгоритмы могут помочь в оценке УЗИ щитовидной железы

Erik L. Ridley, штатный сотрудник AuntMinnie.com

Могут ли «обучаемые» компьютерные алгоритмы лучше специалиста различить злокачественные и доброкачественные узловые образования щитовидной железы? По данным исследования, которое опубликовано в октябрьском выпуске American Journal of Roentgenology, это зависит от опыта радиолога*.

После создания и тестирования трех машинных «обучаемых» алгоритмов был проведен ретроспективный обзор более 1000 случаев узлов щитовидной железы. Группа китайских исследователей обнаружила, что все три алгоритма были более точны по сравнению с неопытными радиологами в дифференцировке злокачественных и доброкачественных образований щитовидной железы по данным УЗИ.

Однако, несмотря на несколько более высокую чувствительность, самый точный алгоритм не мог превзойти «диагностическую производительность» опытных радиологов. Экспертная оценка этих опытных радиологов использовалась для «тренировки» программных алгоритмов algorithms (AJR, October 2016, Vol. 207:4, pp. 859-864).

Подобные алгоритмы потенциально могут облегчить принятие решения в дифференциальной диагностике и помочь в обучении начинающих специалистов на конкретных случаях, по данным команды исследователей, возглавляемой доктором Hongxun Wu из Янгуанского Госпиталя при Институте Ядерной Медицины в г. Янгсу, Китай. 
 

Опыт имеет значение

Хорошо известно, что узловые образования в щитовидной железе встречаются очень часто, в большинстве своем они доброкачественные. Несколько УЗ признаков было предложено в качестве маркеров злокачественности, но ни один из признаков сам по себе не является достаточно чувствительным или специфичным для идентификации злокачественных узлов, по данным авторов.

Кроме того, ультразвуковое исследование является во многом субъективным и оператор-зависимым. Также авторы сообщают, что высокое меж- и интраоператорская соответствие по интерпретации УЗ изображений узлов щитовидной железы может быть достигнуто только среди опытных радиологов.

Исследователи пытались создать модель классификации, основанную на компьютерных «обучаемых» алгоритмах и ретроспективно оценить их эффективность в дифференцировке доброкачественных и злокачественных образований щитовидной железы по данным УЗИ.

В исследование были включены 970 верифицированных гистологически узлов щитовидной железы. 970 пациентов были обследованы с января 2012 по январь 2014 года в Институте Ядерной Медицины г. Янгсу. Из этих 970 узлов 507 (52.3%) были злокачественными. Среди злокачественных образований было 487 папиллярных раков, 12 фолликулярных раков, 4 случая медуллярных раков, 3 – высокодифференцированные карциномы, одна светлоклеточная карцинома.

Радиологи выполняли исследования данных пациентов линейным датчиком 5-12 МГц на УЗ сканере Philips iU22. Статические изображения архивировались в формате JPEG для последующей оценки.

Два радиолога, один с опытом работы в 17 лет, другой с опытом 3 года проведения УЗИ щитовидной железы, ретроспективно оценивали проведенные исследования и распределяли узловые образования по пятибалльной шкале. Обоим радиологам не были известны гистологические и цитологические результаты и заключения специалистов, которые проводили УЗИ. Используя заключения опытного радиолога, авторы получили статистически значимое различие по конкретным случаям и использовали данные заключения как отправные точки для создания модели классификации для предсказания злокачественности узловых образований.

Три типа машинных алгоритмов использовались: «наивный» классификатор Bayes, поддерживающая векторная программа, радиальная базисная функция нейронных сетей. После завершения «тренировки» и тестирования алгоритмов, исследователи сравнили эффективность программных алгоритмов и радиологов в дифференцировке узлов щитовидной железы. 

У опытного радиолога была самая большая площадь под ROC кривой, что свидетельствует о самой высокой диагностической эффективности.
 

Эффективность дифференцировки узлов щитовидной железы

Разница в значениях площади под кривой между опытным и неопытным радиологом и тремя компьютерными «обучаемыми» программами была статистически значима (p < 0.05). В частности, радиальная базисная функция нейронных сетей имела статистически значимую большую площадь под кривой по сравнению с неопытным радиологом и двумя другими машинными алгоритмами (p < 0.05). 
 

Разница в опыте

По мнению авторов, значительная разница в диагностической точности между двумя радиологами может быть следствием различия восприятия и интерпретации УЗ признаков, их сочетания.

«Неопытный радиолог или из другой области может переоценить свои знания и опыт, принимать решения на основании ограниченного характерных признаков. Кроме того, они могут быть неспособны рассмотреть признаки системно», - писали в публикации авторы.

Однако, обучаемые компьютерные алгоритмы имеют возможность "последовательно и комплексно объединить все переменные и легко приспособиться к анализу «зашумленных» данных", - сообщают исследователи.

Авторы также писали, что «модель классификации УЗ изображений на основании обучаемого компьютерного алгоритма потенциально может облегчить принятие решения и использоваться для обучения неопытных специалистов на конкретных примерах, что согласуется с литературными данными».

Исследователи признали ряд ограничений в своем исследовании, включая использование специфического контингента пациентов перед операцией на щитовидной железе с относительно высоким уровнем злокачественных образований. В исследовании также анализируются изображения ретроспективно, а не УЗ изображения в режиме реального времени.

«Дальнейшие исследования необходимы для оценки значимости и согласованности оценки различными специалистами данных моделей классификации, основанных на обучаемых компьютерных алгоритмах».

Исследователи отметили, что они приступили к предварительной работе по созданию визуального интерфейса для данных алгоритмов.

«В будущем подобная система автоматизированной классификации узлов щитовидной, разработанная с участием опытных радиологов, сможет обеспечить расчет вероятности злокачественности в реальном времени, что будет иметь значимую роль в принятии решения в реальной клинической практике», - обозначили перспективу авторы. 

*Во многих зарубежных странах ультразвуковые исследования оценивают (иногда и проводят) специалисты лучевой диагностики – радиологи. Прим.ред.