卷 68 编号 6 (2022), ОБЗОРЫ

卷 68 编号 6 (2022)

Искусственный интеллект в онкологии: области применения, перспективы и ограничения

ОБЗОРЫ

https://doi.org/10.37469/0507-3758-2022-68-6-691-699

已出版 27.12.2022

Денис Кульбакин
Евгений Чойнзонов
Иван Толмачев
Юрий Стариков
Елена Старикова⁺⁻
Ирина Каверина

Денис Кульбакин

Евгений Чойнзонов

Иван Толмачев

Юрий Стариков

Елена Старикова

Сибирский государственный медицинский университет

Ирина Каверина

##article.numberofdownloads## 720

##article.numberofviews## 869

pdf (Русский)

关键词

искусственный интеллект
ранняя диагностика
генетические маркеры
системы принятия врачебных решений

How to Cite

Кульбакин, Д., Чойнзонов , Е., Толмачев, И., Стариков, Ю., Старикова, Е., & Каверина, И. (2022). Искусственный интеллект в онкологии: области применения, перспективы и ограничения. VOPROSY ONKOLOGII, 68(6), 691–699. https://doi.org/10.37469/0507-3758-2022-68-6-691-699

摘要

Современная медицина и онкология, в частности, находятся в шаге от широкого внедрения искусственного интеллекта в повседневную врачебную практику. В статье описаны наиболее удачные проекты, демонстрирующие участие искусственного интеллекта в диагностике и прогнозировании течения онкологических заболеваний. Проанализированы существующие системы принятия врачебных решений, включающие модули диагностики онкологических заболеваний на основе нейронных сетей. Впервые показаны ограничения применения искусственного интеллекта в онкологии и описаны способы их преодоления. Методы искусственного интеллекта доказали свою эффективность при анализе изображений (рентгеновских снимков, гистологических срезов) и могут применяться для поддержки принятия врачебных решений. Огромный массив накопленных знаний о молекулярно-биологической природе опухолей находит практическое применение для назначения лечения и прогноза течения заболевания за счет обработки алгоритмами машинного обучения. Искусственный интеллект может стать ключом к повышению эффективности оказания медицинской помощи при онкологических заболеваниях.

https://doi.org/10.37469/0507-3758-2022-68-6-691-699

##article.numberofdownloads## 720

##article.numberofviews## 869

pdf (Русский)

参考

Bouma H, Hanckmann P, Marck J-W et al. Automatic human action recognition in a scene from visual inputs. doi:10.1117/12.918582 // Proceedings of SPIE ― The International Society for Optical Engineering. 2012;8388. ISBN:978-081949066-7.

Nam JG, Park S, Hwang EJ et al. Development and validation of deep learning–based automatic detection algorithm for malignant pulmonary nodules on chest radiographs. doi:10.1148/radiol.2018180237 // Radiology. 2019;290(1):218–228. URL:https://pubs.rsna.org/doi/10.1148/radiol.2018180237 (access date: 29 April 2022). ISSN (Online) 1527-1315.

Du D, Feng H, Lv W et al. Machine Learning Methods for Optimal Radiomics-Based Differentiation Between Recurrence and Inflammation: Application to Nasopharyngeal Carcinoma Post-therapy PET/CT Images. doi:10.1007/s11307-019-01411-9 // Mol Imaging Biol. 2020;2(3):730–738.

Dou TH, Coroller TP, van Griethuysen JJM et al. Peritumoral radiomics features predict distant metastasis in locally advanced NSCLC. doi:10.1371/journal.pone.0206108 // PLOS ONE. 2018. ISSN (Print) 1932-6203. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/30388114/ (access date: 29 April 2022). Access mode: free.

Лукьянченко Е.Л., Ильяшенко О.Ю. Преимущества использования цифровой платформы в рамках экосистемы // Сборник научных статей 6-й Всероссийской национальной научно-практической конференции «Проблемы развития современного общества». Курск, 22 января 2021 года. мто‐18 том 1:243–246 [Lukyanchenko EL, Ilyashenko OYu. Advantages of using a digital platform within the ecosystem // Collection of scientific articles of the 6th All-Russian National Scientific and Practical Conference «Problems of development of modern society». Kursk, January 22, 2021. mto‐18 vol. 1:243–246 (In Russ.)].

Дрокин И.С., Еричева Е.В., Бухвалов О.Л. и др. Опыт разработки и внедрения системы поиска онкологических образований с помощью искусственного интеллекта на примере рентгеновской компьютерной томографии легких // Искусственный интеллект в здравоохранении. 2019(3):48–57 [Drokin IS, Ericheva EV, Bukhvalov OL et al. The experience of developing and implementing a system for searching for oncological formations using artificial intelligence on the example of X-ray computed tomography of the lungs // Artificial intelligence in healthcare. 2019(3):48–57 (In Russ.)].

Nagpal K, Foote D, Liu Y et al. Development and validation of a deep learning algorithm for improving Gleason scoring of prostate cancer. doi:10.1038/s41746-019-0112-2 // NPJ Digit Med. 2019. URL:https://www.nature.com/articles/s41746-019-0112-2#citeas. ISSN (Online) 2398-6352.

Saltz J, Gupta R, Hou L et al. Spatial organization and molecular correlation of tumor-infiltrating lymphocytes using deep learning on pathology images. doi:10.1016/j.celrep.2018.03.086 // Cell Rep. 2018. ISSN 2211247. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/29617659/ (access date: 29 April 2022). Access mode: free.

Liu Y, Kohlberg T, Norouzi M et al. Artificial intelligence ― based breast cancer nodal metastasis detection: Insights into the black box for pathologists. doi:10.5858/arpa. 2018-0147-OA //Archives of pathology & laboratory medicine. 2019;143(7):859–868. ISSN (Web) 1543-2165. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/30295070/ (access date: 29 April 2022). Access mode: free.

Bi WL, Hosny A, Schabath MB. Artificial Intelligence in Cancer Imaging: Clinical Challenges and Applications. doi:10.3322/caac.21552 // CA Cancer J Clin. 2019. ISSN (Electronic) 1542-4863. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/30720861/ (access date: 29 April 2022). Access mode: free.

Shimizu H, Nakayama KI. Artificial intelligence in oncology. doi:10.1111/cas.14377 // Cancer Sci. 2020;111(5):1452–1460. ISSN (Online) 1349-7006. ELS «PMC. US National Library of Medicine National Institutes of Health» [website]. URL:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7226189/ (access date: 29 April 2022). Access mode: free.

Chernov VI, Choynzonov EL, Kulbakin DE et al. Non-Invasive Diagnosis of Malignancies Based on the Analysis of Markers in Exhaled Air. doi:10.3390/diagnostics10110934 // Diagnostics. 2020;10. ISSN 2075-4418. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/33187053/ (access date: 29 April 2022). Access mode: free.

Forbes SA, Beare D, Boutselakis H et al. COSMIC: somatic cancer genetics at high-resolution. doi:10.1093/nar/gkw1121 // Nucleic Acids Res. 2017. ISSN (Web) 1362-4962. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/27899578/ (access date: 29 April 2022). Access mode: free.

Geras KJ, Mann RM, Moy L. Artificial Intelligence for Mammography and Digital Breast Tomosynthesis: Current Concepts and Future Perspectives. doi:10.1148/radiol.2019182627 // Radiology. 2019. ISSN (Online) 1527-1315. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/31549948/ (access date: 29 April 2022). Access mode: free.

Zhou J, Theesfeld CL, Yao K et al. Deep learning sequence-based ab initio prediction of variant effects on expression and disease risk. doi:10.1038/s41588-018-0160-6 // Nat Genet. 2018. URL:https://www.nature.com/articles/s41588-018-0160-6#citeas (access date: 29 April 2022). ISSN (Print) 1061-4036.

Davis RJ, Gonen M, Margineantu DH et al. Pan-cancer transcriptional signatures predictive of oncogenic mutations reveal that Fbw7 regulates cancer cell oxidative metabolism l. doi:10.1073/pnas.1718338115 // Proc Natl Acad Sci USA. 2018. ISSN (Web) 1091-6490. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/29735700 / (access date: 29 April 2022). Access mode: free

Lakhani P, Sundaram B. Deep learning at chest radiography: automated classification of pulmonary tuberculosis by using convolutional neural networks Sundaram. doi:10.1148/radiol.2017162326 // Radiology. 2017;284(2):574–582. URL:https://pubs.rsna.org/doi/full/10.1148/radiol.2017162326 (date application: 29th of April 2022). ISSN (Online) 1527-1315.

Rojas-Muñoz E, Couperus K, Wachs JP. The AI-Medic: an artificial intelligent mentor for trauma surgery // Computer Methods in Biomechanics and Biomedical Engineering: Imaging & Visualization (2020). doi:10.1080/21681163.2020.1835548

Косоруков А.А. Технологии искусственного интеллекта в современном государственном управлении // Социодинамика. 2019;(5):43–58. doi:10.25136/2409-7144.2019.5.29714 [Kosorukov AA. Artificial intelligence technologies in modern public administration // Sociodynamics. 2019;(5):43–58 (In Russ.)]. doi:10.25136/2409-7144.2019.5.29714]

ИИ сервисы для лучевой диагностики: официальный сайт. Москва. URL:https://mosmed.ai/ (дата обращения 24.05.2022) [AI services for radio diagnosis: official website. Moscow. URL:https://mosmed.ai/ (access date: 24 May 2022) (In Russ).].

Webiomed.ai: официальный сайт. URL:https://webiomed.ai/ (дата обращения 26.05.2022) [Webiomed.ai: official website. Moscow. URL:https://webiomed.ai/ (access date: 26 May 2022) (In Russ).].

Zhou N, Zhang C-T, Li H-Y et al. Concordance Study Between IBM Watson for Oncology and Clinical Practice for Patients with Cancer in China. doi:10.1634/theoncologist.2018-0255 // Oncologist. 2019;24:812–819. URL:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6656482/ (access date: 29.08.2022). Access mode: free. Text: electronic.

Image-net.org: официальный сайт. URL:https://www.image-net.org/index.php (дата обращения 02.09.2022) [Image-net.org: official website. Stanford. URL: https://www.image-net.org/index.php (access date: 2 September 2022) (In Russ).].

Morid MA, Borjalib A, Fiold GD. A scoping review of transfer learning research on medical image analysis using ImageNet // Computers in Biology and Medicine. 2021;128:104115. doi:10.1016/j.compbiomed.2020.104115

Janowczyk A, Zuo R, Gilmore H et al. HistoQC: an open-source quality control tool for digital pathology slides. doi:10.1200/CCI.18.00157 // JCO Clin Cancer Inform. 2019. ISSN 2473-4276. ELS «PubMed» [website]. URL:https://pubmed.ncbi.nlm.nih.gov/30990737/ (access date: 29 April 2022). Access mode: free.

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Most read articles by the same author(s)

Ирина Ковалева, Людмила Спирина, Светлана Чижевская, Ирина Кондакова, Евгений Чойнзонов, Экспрессия и содержание белка LC3B в ткани папиллярного рака щитовидной железы, связь с клинико-морфологическими параметрами опухоли , VOPROSY ONKOLOGII: 卷 68 编号 4 (2022)
Юлия Белевич, Елена Симолина, Виталина Высоцкая, Наталия Попова, Денис Кульбакин, Алексей Гольдберг, Жанна Старцева, Владимир Чернов, Ирина Фролова, Светлана Чижевская, Виктор Гольдберг, Евгений Чойнзонов, Екатерина Дудникова, ПРОТИВООПУХОЛЕВАЯ ХИМИОТЕРАПИЯ В КОМБИНИРОВАННОМ ЛЕЧЕНИИ БОЛЬНЫХ ЗЛОКАЧЕСТВЕННЫМИ НОВООБРАЗОВАНИЯМИ ГОРТАНИ И ГОРТАНОГЛОТКИ , VOPROSY ONKOLOGII: 卷 64 编号 5 (2018)
Лидия Балацкая, Евгений Чойнзонов, Елена Красавина, Евгений Костюченко, Дарья Новохрестова, ВОССТАНОВЛЕНИЕ РЕЧЕВОЙ ФУНКЦИИ У БОЛЬНЫХ РАКОМ ПОЛОСТИ РТА И РОТОГЛОТКИ С ИСПОЛЬЗОВАНИЕМ ИННОВАЦИОННЫХ ТЕХНОЛОГИЙ , VOPROSY ONKOLOGII: 卷 66 编号 3 (2020)
Лилия Жуйкова, Евгений Чойнзонов, Ольга Ананина, Нина Ляхова, Лидия Пикалова, ЗАБОЛЕВАЕМОСТЬ РАКОМ ЛЕГКОГО В РАЗЛИЧНЫХ ГОРОДАХ МИРА (ОБЗОР) , VOPROSY ONKOLOGII: 卷 66 编号 3 (2020)
Валентин Штин, Валерий Новиков, Евгений Чойнзонов , Екатерина Марченко, Марина Стахеева, Татьяна Кучерова, Кирилл Меньшиков, Ольга Черемисина, Ольга Грибова, Эндопротезирование стенок орбиты имплантатами из никелида титана в онкологической практике: аспекты течения репаративных процессов и возможность управления последними , VOPROSY ONKOLOGII: 卷 69 编号 2 (2023)
Людмила Спирина, Светлана Чижевская, Ирина Кондакова, Евгений Чойнзонов, Ирина Ковалева, Экспрессия VHL при опухолевой патологии щитовидной железы: связь с распространенностью процесса, экспрессией транскрипционных, ростовых факторов и компонентов AKT/m-TOR сигнального пути , VOPROSY ONKOLOGII: 卷 67 编号 1 (2021)
Людмила Спирина, Ирина Ковалева, Светлана Чижевская, Ирина Кондакова, Евгений Чойнзонов, Связь экспрессии и содержания белков SRC-1, SRC-3 с транскрипционным профилем стероидных гормонов, факторов Brn-3a, TRIM16 в ткани папиллярного рака щитовидной железы , VOPROSY ONKOLOGII: 卷 69 编号 4 (2023)
Николай Васильев, Владимир Перельмутер, Евгений Чойнзонов, Ирина Фролова, Станислав Табакаев, Юрий Тюкалов, Марат Мухамедов, Светлана Полетаева, П. Лютикова, А. Мальцева, Илья Анисеня, Анна Богоутдинова, Павел Ситников, Тихон Серебров, П. Байрамов, АНАЛИЗ СЛУЧАЕВ ЛИМФОГЕННОГО МЕТАСТАЗИРОВАНИЯ ХОНДРОСАРКОМЫ ЗА ДЕСЯТИЛЕТНИЙ ПЕРИОД В КЛИНИКЕ ТОМСКОГО НИИ ОНКОЛОГИИ (2008 - 2017 ГГ) , VOPROSY ONKOLOGII: 卷 65 编号 5 (2019)
Денис Кульбакин, Дария Егорова, Даниил Азовский, БИОИМПЛАНТЫ — НОВАЯ ТЕНДЕНЦИЯ В РЕКОНСТРУКТИВНОЙ ХИРУРГИИ , VOPROSY ONKOLOGII: 卷 66 编号 3 (2020)
Денис Кульбакин, Евгений Чойнзонов, Марат Мухамедов, Евгений Гарбуков, Валентин Штин, Руслан Васильев, Н. Хавкин, РЕКОНСТРУКТИВНО-ПЛАСТИЧЕСКИЕ ОПЕРАЦИИ В КОМБИНИРОВАННОМ ЛЕЧЕНИИ БОЛЬНЫХ МЕСТНОРАСПРОСТРАНЕННЫМИ ОПУХОЛЯМИ ГОЛОВЫ И ШЕИ , VOPROSY ONKOLOGII: 卷 63 编号 6 (2017)

1 2 > >>