Ученые Балтийского федерального университета имени Иммануила Канта совместно с коллегами из Санкт-Петербурга разработали новые модели машинного обучения для автоматизированной диагностики патологических образований в легких. Результаты исследования опубликованы в журнале The European Physical Journal Special Topics.
Модели анализируют параметры рентгенологических исследований, включая возраст пациента, размер и форму очага, а также четкость его контуров. Это позволяет не только различать доброкачественные и злокачественные образования, но и классифицировать доброкачественные опухоли, такие как гамартомы и туберкуломы.
Авторы протестировали три алгоритма — дерево решений, случайный лес и CatBoost. Все модели продемонстрировали точность классификации выше 80%, что, по оценкам исследователей, может существенно снизить потребность в инвазивных процедурах, таких как биопсия.
По словам директора Центра прикладной нелинейной динамики БФУ им. И. Канта Анастасии Лавровой, применение таких моделей способно ускорить процесс постановки диагноза и сделать лечение более безопасным и персонализированным.
В дальнейших планах — расширение выборки и включение молекулярно-генетических данных для повышения точности и универсальности моделей. Разработка выполняется в рамках программы «Приоритет-2030».
Исследование открывает новые перспективы для интеграции технологий искусственного интеллекта в клиническую практику и повышения качества медицинской помощи в области респираторной диагностики.
