В мире медицины ранняя диагностика рака легких имеет решающее значение для повышения шансов на выживание. Однако, несмотря на достижения в области технологий, навигация к мелким опухолям остается сложной задачей. Бронхоскопия, как метод диагностики, часто сталкивается с проблемами из-за недостаточной детализации карт дыхательных путей, что затрудняет доступ к труднодоступным участкам.
Чтобы решить эту проблему, команда исследователей из Пусанского национального университета разработала инновационную AI-систему под названием ASTRA-Net (Anatomical Segmentation with Tree-aware Refinement Attention). Эта система нацелена на улучшение сегментации дыхательных путей на компьютерных томограммах, что позволяет создавать более полные карты для бронхоскопии.
ASTRA-Net использует многоуровневую архитектуру глубокого обучения, где один компонент отвечает за изучение глобальной структуры легких, а другой уточняет области с неопределенными границами. Важной особенностью системы является механизм внимания, который направляет модель на участки, где мелкие дыхательные пути трудно различимы или отсутствуют в аннотациях.
В ходе валидации системы использовались различные наборы данных и клинические КТ-сканы, что подтвердило ее высокую эффективность в выявлении тонких периферических дыхательных путей. Экспертная оценка показала, что некоторые из первоначально ошибочно классифицированных предсказаний на самом деле были реальными ветвями, которые были упущены в аннотациях.
Разработка ASTRA-Net открывает новые горизонты для улучшения навигации к труднодоступным опухолям и может стать основой для будущих AI-платформ и роботизированной бронхоскопии. Это не просто еще одна модель сегментации дыхательных путей, а целенаправленное решение, которое может значительно улучшить результаты диагностики и лечения рака легких.