Отмечая, что перекрывающиеся функции визуализации на компьютерной томографии (КТ) с контрастным усилением могут затруднить дифференциацию острого дивертикулита и рака толстой кишки, исследователи говорят, что новая модель глубокого обучения может обеспечить повышенную чувствительность и специфичность для этих состояний.
В ретроспективном исследовании, недавно опубликованном в Открытая сеть JAMAИсследователи разработали и протестировали трехмерную (3D) сверточную нейронную сеть (>) для 585 пациентов (средний возраст 63,2 года), перенесших операцию по поводу рака толстой кишки или острого дивертикулита в период с 1 июля 2005 г. по 1 октября 2020 г., у которых была венозная фаза КТ в течение 60 дней до операции и имело сегментарное утолщение стенки в толстой кишке, которое не зависело от стадии заболевания.
По сравнению со средними показателями чувствительности и специфичности 77,6% и 81,6% соответственно для читателей-рентгенологов, авторы исследования отметили уровень чувствительности 83,3% и уровень специфичности 86,6% для 3D-модели >. Согласно результатам исследования, сочетание модели глубокого обучения и оценки рентгенолога привело к увеличению чувствительности на восемь процентов (85,6 процента) и повышению специфичности на 9,7 процента (91,3 процента) по сравнению с оценками рентгенолога.
Авторы исследования также отметили снижение частоты ложноотрицательных результатов при использовании трехмерной модели >. Согласно исследованию, общий уровень ложноотрицательных результатов для читателей радиологии в исследовании снизился с 22 процентов до 14,3 процента при дополнительном использовании алгоритма 3D >. В частности, трехмерная модель > привела к снижению частоты ложноотрицательных результатов на 4 % (с 14 % до 10 %) для сертифицированных рентгенологов и на 9,9 % (с 26 % до 16,1 %) для резидентов-рентгенологов.
Исследователи заявили, что сокращение числа ложноотрицательных результатов имеет «серьезные клинические последствия» для пациентов с раком толстой кишки или острым дивертикулитом.
«На стадии перфорации оба образования требуют неотложной хирургии; однако хирургические стратегии различаются. В то время как (рак толстой кишки) требует онкологической резекции пораженной кишки и всего бассейна лимфатических узлов, в случаях (острого дивертикулита) может быть достаточно ограниченной резекции пораженной кишки. Высокий уровень точности в хирургическом планировании улучшает стратификацию пациентов и, таким образом, ограничивает послеоперационные осложнения и потенциально снижает уровень смертности», — пишет соавтор исследования Рикмер Брарен, доктор медицинских наук, который работает в Институте диагностической и интервенционной радиологии Медицинской школы в Нью-Йорке. Мюнхенский технический университет в Германии и его коллеги.
(Примечание редактора: соответствующий контент см. в разделе «Диагностика поражений поджелудочной железы на КТ брюшной полости: исследование показывает, что система глубокого обучения сравнима с оценкой рентгенолога” и “Может ли новый инструмент глубокого обучения улучшить КТ-обнаружение рака поджелудочной железы?»)
В случаях раннего рака толстой кишки и острого дивертикулита авторы исследования предостерегают, что тонкие признаки КТ, такие как соседние жировые тяжи и очаговое утолщение стенки кишечника, могут быть ошибочно приняты за перистальтику или скрыты наполнением кишечника. Брарен и его коллеги также отметили, что вторичные изменения, такие как мезентериальное тяжение и образование абсцесса, могут быть доминирующими признаками на КТ в случаях, связанных с распространенным раком толстой кишки или осложненным острым дивертикулитом.
Что касается ограничений исследования, авторы исследования признали, что более широкое применение результатов исследования может быть ограничено из-за того, что модель ИИ обучается и тестируется на одном институциональном наборе данных. Они также отметили, что особенности изображения, такие как жирные пряди, могли быть замаскированы враждебным шумом (при пороге дисперсии 0,01), который повлиял на производительность модели ИИ. Отметив, что исследование было сосредоточено на наиболее частых доброкачественных и злокачественных образованиях с утолщением стенки кишечника, авторы исследования заявили, что в будущих исследованиях следует оценивать более широкий спектр злокачественных и доброкачественных образований и включать интеграцию многопараметрических данных, чтобы оценить и, возможно, улучшить возможности модель ИИ.
