Искусственный интеллект в скрининге и ранней диагностике новообразований поджелудочной железы в условиях централизации лабораторной службы региона
Автор: Панин С.И., Суворов В.А., Зубков А.В., Безбородов С.А., Панина А.А., Коваленко Н.В., Донская А.Р., Шушкова И.Г., Быков А.В., Маренков Я.А.
Журнал: Сибирский онкологический журнал @siboncoj
Рубрика: Опыт работы онкологических учреждений
Статья в выпуске: 3 т.23, 2024 года.
Бесплатный доступ
Цель работы - определение оптимальной модели машинного обучения для создания программного обеспечения по скринингу и ранней диагностике новообразований поджелудочной железы в условиях централизации лабораторной службы региона. материал и методы. Основу клинического материала составили 1 254 пациента, проходивших обследование в централизованной лаборатории ГУЗ «Консультативно-диагностическая поликлиника № 2» Волгограда. Из них в дальнейшем 139 оперированы в ГБУЗ «Волгоградский областной клинический онкологический диспансер» по поводу злокачественных новообразований поджелудочной железы. В 65 (46,7 %) наблюдениях выполнена дистальная резекция поджелудочной железы, в 74 (53,3 %) - панкреатодуоденальная резекция. В 28 (20,1 %) случаях на момент выявления опухоли пациенты не имели клинической симптоматики. Статистическая обработка данных проводилась с использованием языка программирования Python. Для машинного обучения использованы 5 различных классификаторов.
Скрининг онкологических заболеваний, лабораторная диагностика, искусственный интеллект
Короткий адрес: https://sciup.org/140305918
IDR: 140305918 | DOI: 10.21294/1814-4861-2024-23-3-124-132
Список литературы Искусственный интеллект в скрининге и ранней диагностике новообразований поджелудочной железы в условиях централизации лабораторной службы региона
- Shakhzadova A.O., Starinskii V.V., Lisichnikova I.V. Sostoyanie onkologicheskoi pomoshchi naseleniyu Rossii v 2022 godu. Sibirskii onkologicheskii zhurnal. 2023; 22(5): 5-13. https://doi.org/10.21294/1814-4861-2023-22-5-5-13.
- Rumyantsev P.O. Rannyaya diagnostika agressivnykh form raka: al'yans spetsialistov, tekhnologii i iskusstvennogo intellekta. Luchevaya diagnostika i terapiya. 2023; 14(2): 7-14. https://doi.org/10.22328/2079-5343-2023-14-2-7-14.
- Solodkii V.A., Kaprin A.D., Nudnov N.V., Kharchenko N.V., Khodorovich O.S., Zapirov G.M., Sherstneva T.V., Dibirova Sh.M., Kanakhina L.B. Sovremennye sistemy podderzhki prinyatiya vrachebnykh reshenii na baze iskusstvennogo intellekta dlya analiza tsifrovykh mammograficheskikh izobrazhenii. Vestnik rentgenologii i radiologii. 2023; 104(2): 151-62. https://doi.org/10.20862/0042-4676-2023-104-2-151-162.
- Barchuk A.A., Raskina Yu.V., Smirnova O.V., Belyaev A.M., Bagnenko S.F. Skrining onkologicheskikh zabolevanii na urovne gosudarstvennykh programm: obzor, rekomendatsii i upravlenie. Obshchestvennoe zdorov'e. 2021; 1(1): 19-31. https://doi.org/10.21045/2782-1676-2021-1-1-19-31.
- Raju N.G., Lakshmi K.P., Jain V.M., Kalidindi A., Padma V. Study the Influence of Normalization/Transformation process on the Accuracy of Supervised Classification. Third International Conference on Smart Systems and Inventive Technology (ICSSIT). Tirunelveli, India, 2020; 729-35, https://doi.org/10.1109/ICSSIT48917.2020.9214160.
- Yang J., Rahardja S., Fränti P. Outlier detection: how to threshold outlier scores? In Proceedings of the International Conference on Artificial Intelligence, Information Processing and Cloud Computing (AIIPCC ‘19). Association for Computing Machinery, New York, NY, USA. 2019; 1-6. https://doi.org/10.1145/3371425.3371427.
- Kelleher J.D., Mac Namee B., D’arcy A. Fundamentals of machine learning for predictive data analytics: algorithms, worked examples, and case studies. MIT press, 2020.
- Zlokachestvennye novoobrazovaniya v Rossii v 2021 godu (zabolevaemost' i smertnost'). Pod red. A.D. Kaprina, V.V. Starinskogo, A.O. Shakhzadovoi. M., 2022. 252 s.
- Hameed B.S., Krishnan U.M. Artificial Intelligence-Driven Diagnosis of Pancreatic Cancer. Cancers (Basel). 2022; 14(21): 5382. https://doi.org/10.3390/cancers14215382.
- Singhi A.D., Koay E.J., Chari S.T., Maitra A. Early Detection of Pancreatic Cancer: Opportunities and Challenges. Gastroenterology. 2019; 156(7): 2024-40. https://doi.org/10.1053/j.gastro.2019.01.259.
- Kirkegård J., Mortensen F.V., Heide-Jørgensen U., Cronin-Fenton D. Predictors of underlying pancreatic cancer in patients with acute pancreatitis: a Danish nationwide cohort study. HPB (Oxford). 2020; 22(4): 553-62. https://doi.org/10.1016/j.hpb.2019.08.013.
- Gusev A.V., Evgina S.A., Godkov M.A. Iskusstvennyi intellekt v zdravookhranenii Rossii. Rol' laboratorii. Laboratornaya sluzhba. 2022; 11(2): 5-8. https://doi.org/10.17116/labs2022110215.
- Singh G. Artificial intelligence in colorectal cancer: a review. Siberian Journal of Oncology. 2023; 22(3): 99-107. https://doi.org/10.21294/1814-4861-2023-22-3-99-107.
- Mel'nikov P.V., Dovedov V.N., Kanner D.Yu., Chernikovskii I.L. Iskusstvennyi intellekt v onkokhirurgicheskoi praktike. Tazovaya khirurgiya i onkologiya. 2020; 10(3-4): 60-4. https://doi.org/10.17650/2686-9594-2020-10-3-4-60-64.
- Faur A.C., Lazar D.C., Ghenciu L.A. Artificial intelligence as a noninvasive tool for pancreatic cancer prediction and diagnosis. World J Gastroenterol. 2023; 29(12): 1811-23. https://doi.org/10.3748/wjg.v29.i12.1811.
