Клинический вестник ФМБЦ им. А.И. Бурназяна. 2024. № 3
А.В. Нарыков, А.А. Завьялов
ИСПОЛЬЗОВАНИЕ ЭЛЕМЕНТОВ АЛГОРИТМИЧЕСКИХ НЕЙРОННЫХ СЕТЕЙ
НА СОВРЕМЕННОМ ЭТАПЕ РАЗВИТИЯ ПРАКТИЧЕСКОЙ ОНКОЛОГИИ
ФГБУ ГНЦ ФМБЦ им. А.И. Бурназяна ФМБА России, Москва
Контактное лицо: Нарыков Антон Вадимович: vaaanton1999@gmail.com
Резюме
Совершенствование программного обеспечения функционирующих компьютерных систем играет ключевую роль в организации всех областей здравоохранения. Создание и внедрение нейросетей, базирующихся на принципе глубокого машинного обучения, является наиболее перспективным направлением развития. Медицина и онкология, в частности, шагая в ногу со временем, активно используют новейшие компьютерные разработки. В данном обзоре представлены наиболее перспективные варианты применения компьютерных программ, в основе которых, лежит модель искусственной нейросети (ИН), а также потенциальные возможности их использования в онкологической службе. Для поиска сведений об инновационных разработках были использованы базы PubMed, Google Scholar. Горизонт исследования включал последние 10 лет. В поисковых запросах применялись термины: «artificial intelligence», «cancer», «radiotherapy and computer modelling», а также другие словарные и тематические формы. В итоге, нами было использовано 19 литературных источников. Многообразие возможных областей применения программ с интегрированным искусственным интеллектом в онкологической службе значительно расширяет возможности для биоинженеринга. Искусственный интеллект уже применяется в программах для анализа гистологических срезов, цитограмм и т.п. Появилась новая наука под названием «Радиомика», в которой искусственный интеллект интегрирован в «лучевую» и геномную карту пациентов, получающих противоопухолевую терапию.
Ключевые слова: искусственный интеллект в онкологии, машинное обучение в программном обеспечении онкологической службы, современные программы для ведения онкологических пациентов
Для цитирования: Нарыков А.В., Завьялов А.А. Использование элементов алгоритмических нейронных сетей на современном этапе развития практической онкологии // Клинический вестник ФМБЦ им. А.И. Бурназяна 2024. №3. С. 05–10. DOI: 10.33266/2782-6430-2024-3-05-10
СПИСОК ИСТОЧНИКОВ
- Shimizu H., Nakayama KI. A 23 Gene-Based Molecular Prognostic Score Precisely Predicts Overall Survival of Breast Cancer Patients. EBioMedicine. 2019; 46:150-159.
- Shimizu H., Nakayama KI. Artificial Intelligence in Oncology. Cancer Sci. 2020 May; 111;5:1452-1460.
- Tippareddy C., Jiang S., Bera K., Ramaiya N. Radiology Reading Room for the Future: Harnessing the Power of Large Language Models Like ChatGPT. Curr Probl Diagn Radiol. 2023 Aug 30:S0363-0188(23)00133-0. doi: 10.1067/j.cpradiol.2023.08.018. Epub ahead of print. PMID: 37758604.
- Aerts H.J., Velazquez E.R., Leijenaar R.T., Parmar C., Grossmann P., Carvalho S., Bussink J., Monshouwer R., Haibe-Kains B., Rietveld D., Hoebers F., Rietbergen M.M., Leemans C.R., Dekker A., Quackenbush J., Gillies R.J., Lambin P. Decoding Tumour Phenotype by Noninvasive Imaging Using a Quantitative Radiomics Approach. Nat Commun. 2014 Jun 3;5:4006.
- Bera K., Braman N., Gupta A., Velcheti V., Madabhushi A. Predicting Cancer Outcomes with Radiomics and Artificial Intelligence in Radiology. Nat Rev Clin Oncol. 2022 Feb;19;2:132-146. doi: 10.1038/s41571-021-00560-7. Epub 2021 Oct 18. PMID: 34663898; PMCID: PMC9034765.
- Rodriguez-Ruiz A., Lång K., Gubern-Merida A., et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison with 101 Radiologists. J Natl Cancer Inst. 2019;111:916-922.
- Kockwelp J., et al. Cell Selection-Based Data Reduction Pipeline for Whole Slide Image Analysis of Acute Myeloid Leukemia. in. Comp vis Pattern Recog Work. 2022;25:1825–1834.
- Bejnordi BE et al. Diagnostic Assessment of Deep Learning Algorithms for Detection of Lymph Node Metastases in Women with Breast Cancer. JAMA. 2017;318:2199–2210.
- Bodalal Z., Trebeschi S., Nguyen-Kim T.D.L., Schats W., Beets-Tan R. Radiogenomics: Bridging Imaging and Genomics. Abdom. Radiol. 2019;44:1960–1984.
- Siegel R.L., Miller K.D., Jemal A. Cancer Statistics, 2019. CA Cancer J Clin. 2019;69:7-34.
- Wang S., Yang D.M., Rong R., Zhan X., Xiao G. Pathology Image Analysis Using Segmentation Deep Learning Algorithms. Am J Pathol. 2019;189:1686-1698.
- Bera K., Schalper K.A., Rimm D.L., Velcheti V., Madabhushi A. Artificial Intelligence in Digital Pathology – new Tools for Diagnosis and Precision Oncology. Nat. Rev. Clin. Oncol. 2019;16:703–715.
- Mukhiyadin A., Makhazhanova U., Serikbayeva S., Kassekeyeva A., Muratova G., Karauylbayev S., Muratkhan R., Kenzhebay A. Journal of Theoretical and Applied Information Technology; 2023;101;2:458-470.
- Topf V., Kheifetz Y., Daum S., Ballhausen A., Schwarzer A., Trung K.V., Stocker G., Aigner A., Lordick F., Scholz M., Knödler M. Individual Hematotoxicity Prediction of Further Chemotherapy Cycles by Dynamic Mathematical Models in Patients with Gastrointestinal Tumors. J Cancer Res Clin Oncol. 2023 Aug;149;10:6989-6998. doi: 10.1007/s00432-023-04601-9. Epub 2023 Feb 28. PMID: 36854800; PMCID: PMC10374676.
- Weinstein J.N., Collisson E.A., Mills G.B., Shaw K.R., Ozenberger B.A., Ellrott K., Shmulevich I., Sander C., Stuart J.M. The Cancer Genome Atlas Pan-Cancer Analysis Project. Cancer Genome Atlas Research Network. Nat Genet. 2013 Oct;45;10:1113-20. doi: 10.1038/ng.2764. PMID: 24071849; PMCID: PMC3919969.
- Janowczyk A., Zuo R., Gilmore H., Feldman M., Madabhushi A. HistoQC: an Open-Source Quality Control Tool for Digital Pathology Slides. Jco Clin Cancer Inform. 2019; 3:1-7.
- Xu Z., Moro C.F., Bozóky B., Zhang Q. GAN-based Virtual Re-Staining: a Promising Solution for Whole Slide Image Analysis. Arxiv.Org. 2019.
- Zou F.W., Tang Y.F., Liu C.Y., Ma J.A., Hu C.H. Concordance Study Between IBM Watson for Oncology and Real Clinical Practice for Cervical Cancer Patients in China: A Retrospective Analysis. Front Genet. 2020 Mar 24;11:200.
- Андреев Д.А., Завьялов А.А. Медицинская информатика в обеспечении контроля качества онкологической помощи: перспективные направления развития // Вестник Российской академии медицинских наук. 2021. Т.76. №5. С. 554-559 [Andreyev D.A., Zav’yalov A.A. Medical Informatics in Ensuring Quality Control of Oncological Care: Promising Areas of Development. Vestnik Rossiyskoy Akademii Meditsinskikh Nauk = Bulletin of the Russian Academy of Medical Sciences. 2021;76;5:554-559 (In Russ.)]
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Финансирование. Исследование не имело спонсорской поддержки.
Участие авторов. Cтатья подготовлена с равным участием авторов.
Поступила: 13.06.2024. Принята к публикации: 11.07.2024.