ПРОГНОСТИЧНІ МОДЕЛІ ДЛЯ ОБРОБКИ ТА ІНТЕРПРЕТАЦІЇ ЗОБРАЖЕНЬ В ОНКОЛОГІЇ

Abstract

У 2020 році кількість вперше встановлених онкопатологій у світі склала 19,29 мільйона випадків, кількість смертей – 9,96 мільйона. В Україні протягом 2023 року було зареєстровано 106151 випадок вперше виявлених злоякісних новоутворень, кількість смертей склала 42642 випадки. Останні десятиліття спостерігається збільшення ролі штучного інтелекту в скрінінгу, діагностиці, прогнозах виникнення та ускладнень онкопатологій. Різні моделі нейронних мереж демонструють спроможність працювати з різними типами даних, обробляти великий масиви даних. Метою статті є окреслити основні перспективи та проблеми використання нейронних мереж в аналізі та інтерпретації візуальних даних в онкології, а саме при діагностиці та прогнозуванні онкопатологій на основі візуальних даних. Літературні джерела для аналізу відбирали в загальнодоступній базі даних PubMed. Ключові слова для пошуку використовували «oncology», «artificial intelligence», «visualisation». Для аналізу відбиралися статті, опубліковані з 2020 по 2025 рік. Звернення до бази даних робили 21.03.2025 року. Загалом було знайдено 2131 дослідження. аналіз літературних джерел продемонстрував, що для інтерпретації зображень таких, як гістопатологічні знімки, ендоскопія, УЗД, МРТ, КТ, ренгенографія, переважно використовуються алгоритми deep learning. Всі проаналізовані статті, де ШІ використовувався для аналізу медичних зображень вказували на AUC вище 0,75. В дослідженнях, що проводили порівняння ефективності діагностики злоякісних новоутворень за допомогою ШІ та профільним лікарем, їх AUC не мала статистично значимої різниці. Проте, дослідження проводяться на ретроспективних даних, тобто навчання ШІ проходить у ідеалізованих умовах. In 2020, the number of newly diagnosed oncological pathologies worldwide amounted to 19.29 million cases, with 9.96 million deaths. In Ukraine, 106,151 cases of newly detected malignant neoplasms were registered in 2023, with 42,642 deaths. In recent decades, the role of artificial intelligence in screening, diagnosis, and prognosis of oncological pathologies and complications has increased. Various neural network models demonstrate the ability to work with different types of data and process large datasets. The aim of the article is to outline the main prospects and challenges of using neural networks in the analysis and interpretation of visual data in oncology, specifically in the diagnosis and prognosis of oncological pathologies based on visual data. Literature sources for analysis were selected from the publicly accessible PubMed database. Keywords used for the search were «oncology», «artificial intelligence», «visualization». Articles published from 2020 to 2025 were selected for analysis. The database query was made on March 21, 2025. A total of 2131 studies were found. The analysis of literature sources demonstrated that deep learning algorithms are predominantly used for the interpretation of images such as histopathological images, endoscopy, ultrasound, MRI, CT, and radiography. All analyzed articles where AI was used for medical image analysis indicated an AUC above 0.75. In studies comparing the effectiveness of malignant neoplasm diagnosis using AI and specialized physicians, no statistically significant differences in AUC were observed. However, the studies are conducted on retrospective data, meaning AI training was performed under idealized conditions.