Использование алгоритмов машинного обучения для автоматического выявления онкологических заболеваний

Число онкобольных растет во всем мире. За последние двадцать лет количество таких пациентов в Ираке увеличилось вдвое, что привело к увеличению числа смертей от рака. Помимо этого, именно опухолевые поражения являются второй по частоте причиной смертей госпитализированных пациентов. Пути решения сложившейся проблемы заключаются в уменьшении времени диагностики онкозаболевания, увеличении ее точности, правильности алгоритмов маршрутизации пациентов с симптомами рака, а также в улучшении систем мониторинга. Рассматриваемый в статье подход к ведению онкобольных подразумевает использование программного обеспечения на основе алгоритмов машинного обучения, позволяющего пациенту самостоятельно распознать симптомы онкологического заболевания и направляющего его к профильному специалисту, что в свою очередь обеспечит выявление рака на ранней стадии. Помимо этого, рассматриваемое ПО призвано обеспечить мониторирование состояния пациента на протяжении лечения. В имеющихся исследованиях применительно к ранней онкодиагностике рассматривается лишь один метод машинного обучения. В данной работе проанализировано применение сверточных нейронных сетей (CNN), классификаторов Random Forest и XGBoost, которые представляют собой алгоритмы машинного обучения, применяемые к структурированным и табличным данным, используемым для выявления наличия рака молочной железы, опухолей головного мозга, рака кожи и рака легких. Использование данных программ обеспечит более быструю и более точную диагностику рака. Создание облачного сервера с таким ПО сделает предлагаемую методику ранней онкодиагностики общедоступной и более удобной в использовании.