Ученые создали ИИ для ранней диагностики рака
Ученые из России, Великобритании, Испании и Германии создали нейросеть, способную распознавать раковые опухоли на фотографиях органов. Алгоритм способен не просто отличить больную ткань от здоровой, но и с высокой точностью предсказать развитие рака на ранней стадии. Статья с результатами работы исследователей была опубликована 27 июля в журнале "Nature Cancer".
Одна из главных сложностей в диагностике онкологических заболеваний заключается в своевременном обнаружении новообразования. На ранней стадии болезнь зачастую протекает бессимптомно. Кроме того, признаки и симптомы рака могут быть неопределенными и неспецифическими. А у врачей первичного звена, к которым пациенты обращаются с ранними признаками, зачастую не хватает опыта или даже банального свободного времени для проведения должной диагностики.
При этом, по данным ВОЗ, своевременная диагностика заболевания в сочетании с незамедлительным оказанием помощи является одним из наиболее результативных способов борьбы с раком. В одном из исследований у пациентов с раком молочной железы, которым помощь была оказана с небольшой задержкой (<3 месяцев), вероятность выживания была выше на 7% по сравнению с теми, кому помощь была оказана значительно позднее (3–6 месяцев) (16,17).
Новый алгоритм, предложенный учеными из МГУ им. Ломоносова, Европейского института биоинформатики, Кембриджского университета и барселонского Института биомедицинских исследований, способен распознавать 28 типов раковых клеток. Причем речь идет не только о диагностике масштабных генетических изменений, но и об определении одиночных замен нуклеотидов в генах-драйверах опухолей — другими словами, о ранней диагностике рака.
Для обучения нейросети Inception-V4 разработчики использовали более 17 тысяч снимков срезов различных тканей из открытой базы данных The Cancer Genome Atlas. На основе фрагментов снимков размером 512х512 пикселей алгоритм выделил почти 1,5 тысячи параметров, позволяющих отличить больную ткань от здоровой.
Руководствуясь этой идеей, ученые обработали фотографии 17 тысяч срезов опухолей и здоровых тканей, полученных профессиональными гистопатологами и опубликованных в базе данных The Cancer Genome Atlas (TCGA), разбив их на небольшие фрагменты размером 512 на 512 пикселей. Эти кусочки фотографий они использовали для обучения уже существующей нейросети Inception-V4, выделившей на них свыше 1,5 тысячи параметров, влияющих на принадлежность каждого снимка к здоровым или больным тканям.
"Машинное зрение, используемое в работе нейросети, позволяет определить одиночные замены нуклеотидов в том числе участков PTEN, BRAF и TP53. Интересно, что в случае гена BRAF он показал лучшие результаты предсказания для рака щитовидной железы, чем традиционный гистопатологический подход, что говорит о возможности дальнейшего улучшения общепринятой классификации" — отмечает студент МГУ Артем Шматко, являющийся участником исследовательской группы.
Его коллега Мориц Герштунг, ведущий специалист Европейского института биоинформатики в Кембридже, подчеркивает, что, несмотря на эффективность нейросети, экспертная оценка профессионального патолога по-прежнему является окончательным стандартом для постановки диагноза. Однако потенциал, заложенный в системах компьютерного зрения, позволяет повысить эффективность работы врачей и улучшить результаты прогнозирования по дальнейшему развитию болезни.
Источник: https://www.msu.ru/press/smiaboutmsu/rossiyskie-uchenye-sozdali-sistemu-kompyuternogo-zreniya-diagnostiruyushchuyu-rak.html
Одна из главных сложностей в диагностике онкологических заболеваний заключается в своевременном обнаружении новообразования. На ранней стадии болезнь зачастую протекает бессимптомно. Кроме того, признаки и симптомы рака могут быть неопределенными и неспецифическими. А у врачей первичного звена, к которым пациенты обращаются с ранними признаками, зачастую не хватает опыта или даже банального свободного времени для проведения должной диагностики.
При этом, по данным ВОЗ, своевременная диагностика заболевания в сочетании с незамедлительным оказанием помощи является одним из наиболее результативных способов борьбы с раком. В одном из исследований у пациентов с раком молочной железы, которым помощь была оказана с небольшой задержкой (<3 месяцев), вероятность выживания была выше на 7% по сравнению с теми, кому помощь была оказана значительно позднее (3–6 месяцев) (16,17).
Новый алгоритм, предложенный учеными из МГУ им. Ломоносова, Европейского института биоинформатики, Кембриджского университета и барселонского Института биомедицинских исследований, способен распознавать 28 типов раковых клеток. Причем речь идет не только о диагностике масштабных генетических изменений, но и об определении одиночных замен нуклеотидов в генах-драйверах опухолей — другими словами, о ранней диагностике рака.
Для обучения нейросети Inception-V4 разработчики использовали более 17 тысяч снимков срезов различных тканей из открытой базы данных The Cancer Genome Atlas. На основе фрагментов снимков размером 512х512 пикселей алгоритм выделил почти 1,5 тысячи параметров, позволяющих отличить больную ткань от здоровой.
Руководствуясь этой идеей, ученые обработали фотографии 17 тысяч срезов опухолей и здоровых тканей, полученных профессиональными гистопатологами и опубликованных в базе данных The Cancer Genome Atlas (TCGA), разбив их на небольшие фрагменты размером 512 на 512 пикселей. Эти кусочки фотографий они использовали для обучения уже существующей нейросети Inception-V4, выделившей на них свыше 1,5 тысячи параметров, влияющих на принадлежность каждого снимка к здоровым или больным тканям.
"Машинное зрение, используемое в работе нейросети, позволяет определить одиночные замены нуклеотидов в том числе участков PTEN, BRAF и TP53. Интересно, что в случае гена BRAF он показал лучшие результаты предсказания для рака щитовидной железы, чем традиционный гистопатологический подход, что говорит о возможности дальнейшего улучшения общепринятой классификации" — отмечает студент МГУ Артем Шматко, являющийся участником исследовательской группы.
Его коллега Мориц Герштунг, ведущий специалист Европейского института биоинформатики в Кембридже, подчеркивает, что, несмотря на эффективность нейросети, экспертная оценка профессионального патолога по-прежнему является окончательным стандартом для постановки диагноза. Однако потенциал, заложенный в системах компьютерного зрения, позволяет повысить эффективность работы врачей и улучшить результаты прогнозирования по дальнейшему развитию болезни.
Источник: https://www.msu.ru/press/smiaboutmsu/rossiyskie-uchenye-sozdali-sistemu-kompyuternogo-zreniya-diagnostiruyushchuyu-rak.html
Задать вопрос
Заполните форму, и наши эксперты ответят вам