Рак поджелудочной железы характеризуется самым низким уровнем выживаемости среди всех других видов рака.
Неудивительно, что доктор Эллиот Фишман (Elliot Fishman) выглядит озабоченным, когда говорит об этом заболевании.
Он работает радиологом в Госпитале Джонса Хопкинса (Johns Hopkins Hospital), который является крупнейшим центром лечения рака поджелудочной железы. Ему приходится исследовать КТ-снимки поджелудочной железы на предмет признаков заболевания, которое обычно находится в слишком запущенном состоянии для проведения лечения.
Так как на ранних стадиях рака симптомы редко проявляются, большинство пациентов не проводят КТ-исследование или другие тесты, пока опухоль не начинает распространяться на другие органы. К этому моменты шансы на выживание очень низкие: всего 7 процентам пациентов удается прожить еще пять лет после диагностирования заболевания. И это самый низкий уровень выживаемости среди всех видов рака.
«Наша цель заключается в раннем диагностировании рака поджелудочной железы, которое позволит спасать жизни», — объяснил Фишман.
Фишман стремится научиться распознавать заболевание намного раньше, чем это могут сделать врачи, применяя для этого GPU-ускоренные алгоритмы глубокого обучения. Он участвует в реализации многомиллионного проекта Госпиталя Джонса Хопкинса под названием Felix при поддержке Lustgarten Foundation. Цель этого проекта – расширить возможности врачей для выявления болезни.
На видео изображена опухоль поджелудочной железы, которая проникла в кровеносные сосуды (ветвистая структура в центре), окружающие поджелудочную железу. Это означает, что болезнь находится на слишком запущенной стадии для лечения хирургическим путем. Видео предоставил доктор Эллиот Фишман (Elliot Fishman) из Госпиталя Джонса Хопкинса.
Глубокое обучение помогает в поисках «тихого убийцы»
Поджелудочная железа — человеческий орган длиной около 15 сантиметров, расположенный за желудком — играет важную роль в преобразовании пищи, которую мы едим, в топливо для клеток организма. Железа расположена глубоко в брюшной полости, что затрудняет ее пальпацию во время стандартных обследований и обнаружение опухолей такими методам визуальной диагностики, как КТ-сканирование.
Некоторые радиологи, такие как Фишман, сталкиваются с тысячами случаев заболевания в год. Однако другим не хватает опыта для выявления рака, особенно когда очаговые поражения – патологические изменения в органах и тканях – имеют совсем небольшой размер на ранних стадиях заболевания.
«Если люди проходят КТ-сканирование и не получают диагноз, что мы можем изменить? — такой вопрос Фишман озвучил во время своего выступления на конференции по GPU-технологиям в Сан-Хосе. — Мы считаем, что технология глубокого обучения поможет в диагностировании состояния поджелудочной железы».
Госпиталь Джонса Хопкинса – идеальное место для разработки решения на основе глубокого обучения, так как он располагает огромными объемами данных о раке поджелудочной железы. Эти данные необходимы, чтобы обучить компьютер выявлять заболевание на КТ-снимках. Также в распоряжении исследователей из госпиталя суперкомпьютер NVIDIA DGX-1 для задач искусственного интеллекта, важнейший инструмент при проведении научных изысканий в области глубокого обучения.
Поджелудочная железа изображена золотисто-коричневым цветом и располагается над почками под селезенкой. Темный круг по центру изображения — опухоль. Изображение предоставил доктор Эллиот Фишман (Elliot Fishman) из Госпиталя Джонса Хопкинса.
Выявление рака поджелудочной железы с повышенной точностью
Работая совместно с программистами, онкологами, патологоанатомами и другими медиками, Фишман помогает тренировать алгоритмы глубокого обучения выявлять мельчайшие изменения в ткани поджелудочной железы и близлежащих органов. Подобные изменения часто являются первыми признаками онкологического заболевания.
Для тренировки своих алгоритмов команда использовала около 2000 КТ-снимков, 800 из которых принадлежали пациентам с подтвержденным диагнозом рака поджелудочной железы. Это было непросто. Госпиталь располагает достаточным объемом данных, однако на всех изображениях должны быть помечены ключевые характеристики, важные для определения состояния поджелудочной железы. Это довольно масштабная задача, учитывая, что на обработку одного случая заболевания уходит около четырех часов.
За первый год существования проекта команда смогла натренировать алгоритм распознавать поджелудочную железу и окружающие ее органы, добившись 70-ти процентной точности. В этом году разработанная модель глубокого обучения демонстрирует точность выявления рака поджелудочной железы в 9 из 10 случаев.
Возможность более раннего диагностирования
Сейчас команда занимается усовершенствованием алгоритма, изучая случаи, когда на снимках пропустили рак. Ученые работают не только над идентификацией опухолевых клеток, но и пытаются определить предположительную вероятность выживания и возможность проведения хирургической операции.
Ответы на эти вопросы очень важны, так как, несмотря на то что рак поджелудочной железы встречается редко, количество случаев заболевания растет. Не так давно рак поджелудочной железы занимал четвертое место по смертности среди других видов рака в США. Сейчас он стоит на третьем месте. И на момент проявления симптомов заболевания менее пятой части всех пациентов могут рассчитывать на проведение операции, которая является первичным методом лечения.
Фишман считает, что использование методов на основе глубокого обучения может помочь более ранней диагностике заболевания. По его мнению, около трети случаев, с которыми он сталкивается, можно было бы диагностировать на четыре-двенадцать месяцев раньше.
«Мы хотим обучить компьютер и сделать его лучшим радиологом в мире, — сказал Фишман. — Надеемся, мы сможем добиться успеха».
Чтобы узнать больше об исследовании Фишмана, смотрите его выступление на GTC «Выявление рака поджелудочной железы на ранних стадиях с помощью технологий глубокого обучения. Предварительные результаты исследования».
А также читайте недавно опубликованные статьи:
- Рекуррентная нейронная сеть: Использование многоэтапных сигналов для сегментации малых органов, ArXiv, апрель 2018 года
- Многоуровневый 3D алгоритм для автоматической сегментации поджелудочной железы, ArXiv, Dec. 2017
* Основная иллюстрация статьи – изображение раковой клетки поджелудочной железы.