dumaiПрепринт — материал ещё не прошёл рецензирование
Числовые представления маммограмм различали изменения до диагноза рака
Кратко
Исследователи сравнили по 1773 женщины, у которых позже выявили рак или биопсия не подтвердила рак, с таким же числом женщин без рака; у каждой было не меньше двух ежегодных маммограмм до обследования, на котором обнаружили болезнь. Клинически ориентированные модели — то есть модели, заранее обученные на медицинских снимках, — находили различия в направлении и скорости изменений между этими снимками. Результат зависел от модели: BiomedCLIP, обученная на общих биомедицинских данных, значимых различий не показала.
Зачем это знать
Работа показывает, что числовые представления снимков могут отражать преддиагностические изменения, но это препринт: он ещё не прошёл полноценную проверку экспертами. Результат не доказывает, что такие модели уже способны надёжно находить рак или улучшать скрининг.
Разбор
Авторы не учили модель искать рак по готовым меткам. Вместо этого они превратили каждый снимок в набор чисел — так называемое представление, которое сжимает изображение, сохраняя заметные для модели особенности ткани. Затем по данным построили направление, связанное с последующим раком, и посмотрели, насколько быстро снимки одной женщины смещались вдоль этого направления от одного ежегодного обследования к следующему.
Чтобы отделить реальный сигнал от случайных различий, исследователи сравнили два типа групп. В первом анализе каждому случаю подобрали женщину без рака с сопоставимыми характеристиками. Во втором сравнили поражённую и здоровую грудь у одной и той же женщины — такой подход частично убирает влияние индивидуальных особенностей. Отдельно проверили четыре модели с разным обучением: на маммограммах, на медицинских изображениях вообще и на биомедицинских иллюстрациях из научных публикаций.
Картина оказалась неодинаковой. В пространстве MedImageInsight злокачественные случаи менялись быстрее контрольных в обоих первых промежутках до решающего обследования, а случаи с отрицательной биопсией — только в первом. Для Mammo-CLIP различие появлялось в первом промежутке у обеих групп биопсии; при сравнении двух грудей внутри одной женщины оно сохранялось дольше. HOPPR дал сигнал в первом промежутке во внутрипарном анализе, а BiomedCLIP не показал заметных различий ни в одном из вариантов проверки. Это указывает не просто на пользу «большой модели», а на важность того, на каких данных её предварительно обучали.
Ключевые цифры
Можно ли доверять
Это препринт с arXiv, поэтому независимая экспертная проверка ещё впереди. Данные основаны на уже сделанных маммограммах и сравнении групп, а не на проспективном испытании: работа показывает наличие сигнала в представлениях моделей, но не проверяет, улучшит ли он решения врачей или результаты скрининга.
Пересказано ИИ по научной статье. Как это устроено