Клинико-рентгенологические параллели при диагностике первичного рака лёгкого с применением технологий математического моделирования

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Обоснование. Проблема рака лёгкого с каждым годом приобретает всё большую актуальность. По данным канцер-регистра Алтайского краевого онкологического диспансера заболеваемость раком лёгкого в 2019 г. составила у мужчин 114,8 на 100 тыс. населения, у женщин 19,3 на 100 тыс. населения; в 2020 г. — 96,8 и 16,8 соответственно. В 2021 г. заболеваемость составляла 108,9 на 100 тыс. населения. Показатели диагностики в 2022 г. среди пациентов с онкопатологией органов дыхания были неутешительными, поскольку на момент постановки диагноза 42,2% имели IV стадию заболевания, 27,9% — III стадию, 16,3% — I стадию, 12,9% — II стадию, и в 0,7% случаев стадия не была установлена.

При анализе распределения больных раком лёгкого различных возрастных групп в зависимости от гистотипа опухоли установлено, что в большинстве это аденокарцинома и плоскоклеточный рак лёгкого (85%).

Цель. Определить возможность оценки принадлежности выявленной патологии к одной из морфологических форм рака лёгкого (аденокарцинома, плоскоклеточный и мелкоклеточный рак) при мультиспиральной компьютерной томографии на основе искусственного интеллекта с учётом дополнительных параметров.

Материалы и методы. В нашем исследовании использовались данные мультиспиральной компьютерной томографии. Цифровой анализ сканов проводили с помощью программы «Рентгенолог+» (Россия, Барнаул), позволяющей выполнять прямую выборку средних значений плотностей пикселей в табличном виде в выделенных областях интереса из файлов в формате DICOM для последующего анализа и статистической обработки. Полученные денситометрические показатели поступали на входы искусственной нейронной сети.

Результаты. Были проанализированы данные 485 пациентов с раком лёгкого в возрасте от 45 до 80 лет с учётом девяти параметров, шесть из которых имеют физико-математическую принадлежность, и три — личностную.

Заключение. Установлена эффективность дифференциальной диагностики морфологических форм рака лёгкого с учётом наличия или отсутствия у пациентов случаев табакокурения: чувствительность 85,8%, специфичность 85,0%, точность 85,4%.

Об авторах

Ольга Васильевна Борисенко

Алтайский государственный медицинский университет

Автор, ответственный за переписку.
Email: dr_borisenko.olga@mail.ru
ORCID iD: 0000-0002-3946-8511
SPIN-код: 4426-7053
Россия, Барнаул

Александр Федорович Лазарев

Алтайский государственный медицинский университет

Email: lazarev@akzs.ru
ORCID iD: 0000-0003-1080-5294
SPIN-код: 1161-8387

д-р мед. наук, профессор

Россия, Барнаул

Константин Сергеевич Титов

Алтайский государственный медицинский университет

Email: ks-titov@mail.ru
ORCID iD: 0000-0003-4460-9136
SPIN-код: 7795-6512

д-р мед. наук, профессор

Россия, Барнаул

Список литературы

  1. Мерабишвили В.М. Среднесрочный вариантный прогноз смертности населения России от злокачественных новообразований // Сибирский онкологический журнал. 2019. Т. 18, № 4. С. 5–12. EDN: SRMCZN doi: 10.21294/1814-4861-2019-18-4-5-12
  2. Косенок В.К., Бельская Л.В., Массард Ж., Завьялов А.А. Статистические закономерности заболеваемости раком легкого в Омской области // Сибирский онкологический журнал. 2016. Т. 15, № 4. С. 21–25. doi: 10.21294/1814-4861-2016-15-4-21-25
  3. Троценко С.Д., Сотников В.М., Паньшин Г.А., Чхиквадзе В.Д. Современные проблемы послеоперационной лучевой терапии немелкоклеточного рака легкого // Вестник рентгенологии и радиологии. 2015. № 2. С. 47–57. EDN: TZYGTL
  4. Шуть Е.М, Куликов А.А. Перспективные направления применения искусственного интеллекта в борьбе с онкологическими заболеваниями: российский опыт // Инновации и инвестиции. 2023. № 2. С. 122–126. EDN: XHWINP
  5. Григорук О.Г., Цой Д.А., Базулина Л.М., Вихлянов И.В. Мелкоклеточный рак легкого. Цитологическая диагностика // Злокачественные опухоли. 2022. Т. 12, № 1. С. 36–43. EDN: WWUFAI doi: 10.18027/2224-5057-2022-12-1-36-43
  6. Костерина Н.Е., Гринберг Л.М. Цитологические методы исследования в комплексной морфологической диагностике мелкоклеточного рака легкого по материалам «малых образцов» // Уральский медицинский журнал. 2019. № 10 (178). С. 23–27. EDN: NQPOTJ doi: 10.25694/URMJ.2019.10.18
  7. Guldbrandt L.M., Fenger-Grøn M., Rasmussen T.R., et al. The effect of direct access to CT scan in early lung cancer detection: an unblinded, cluster-randomised trial // BMC Cancer. 2015. Vol. 15. P. 934. doi: 10.1186/s12885-015-1941-2

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Топология искусственной нейронной сети

Скачать (168KB)

© Эко-Вектор, 2024

Ссылка на описание лицензии: https://eco-vector.com/for_authors.php#07
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».