Ученые Томского политехнического университета вместе с коллегами из Российского научного центра рентгенорадиологии и центра «Медицинский город» разработали подход для прогнозирования острых осложнений при лучевой терапии у пациентов с раком предстательной железы. В основе программного обеспечения лежат методы машинного обучения.
Современная лучевая терапия требует не только подведения нужной дозы к опухоли, но и снижения нагрузки на здоровые ткани. Однако даже при одинаковых режимах облучения реакции организма у разных людей могут сильно различаться. В пресс-службе Минобрнауки РФ рассказали, что новая модель объединяет клинические данные, дозиметрические характеристики планов лечения, радиомические признаки КТ-изображений и дозиомические параметры.
Для обучения использовали данные 92 клинических случаев и 495 потенциальных предикторов. При таком количестве параметров возникает риск переобучения: алгоритм может найти случайные закономерности в небольшой выборке и не распознать осложнения у новых пациентов. Чтобы проверить модель, ученые применили две схемы отбора признаков. Более строгая схема на основе вложенной перекрестной проверки позволила исключить утечку информации и получить реалистичную оценку.
Результат оказался неожиданным: модель, использующая только клинические параметры, показала более высокую прогностическую способность, чем модели с большим количеством признаков. По мнению авторов, это выявляет ограничения, связанные с небольшой обучающей выборкой, и подчеркивает необходимость строгой методологии при разработке медицинских ИИ-моделей.
Ранее ученые связали переработку глюкозы с риском болезней простаты.