Ученые Томского государственного университета используют оптические методы, ИИ и машинное обучение для создания технологий ускоренной диагностики социально значимых заболеваний. Очередным шагом в развитии новых подходов стало обучение компьютерной модели выявлению меланомы. Наряду с этим ИИ может определять степень злокачественности опухоли простаты, что важно для прогноза течения заболевания и выбора тактики лечения. Работа проведена совместно со специалистами НИИ онкологии ТНИМЦ.
– В качестве инструмента для исследования образцов биологических тканей пациента используется терагерцовая спектроскопия, – рассказывает научный сотрудник лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ Анастасия Князькова. – Если патологоанатомы выдают гистологическое заключение на основе микроскопического изучения тканей, их морфологических особенностей, то оптические методы распознают спектральные образы, которые в здоровых тканях и тканях злокачественной опухоли имеют значимые отличия. Далее на собранной базе данных компьютерная модель тренируется отличать норму от патологии, а также распознавать изменения, характерные для отдельного типа опухоли.
Формирование библиотеки данных для машинного обучения ИИ проводилось на основе более ста образцов тканей (парафиновые блоки) пациентов НИИ онкологии ТНИМЦ. Среди них были три группы: пациенты, у которых диагностирована аденокарцинома простаты, группа с диагнозом меланома (рак кожи) и пациенты, которые по итогам обследования оказались здоровы.
Обученная компьютерная модель не только выявляет наличие раковых клеток, но и проводит оценку опухоли по шкале Глисона. Эта шкала традиционно используется при диагностике рака простаты для определения степени злокачественности процесса (показатели от 1 до 10), что важно с точки зрения прогноза течения болезни. Как в случае с раком простаты, так и при диагностике меланомы точность оценки, проведенной ИИ, составила 100 процентов.
– Задача наших исследований заключалась в оценке возможностей компьютерной модели в распознавании опухолей разной нозологии, – говорит Анастасия Князькова. – Как показала практика, при наличии базы данных ИИ можно обучить выявлению новообразований разных локализаций. В настоящее время мы работаем с формированием библиотеки с образцами тканей глиомы – одной из наиболее агрессивных опухолей головного мозга.
Как отмечают ученые ТГУ, новый подход автоматизирует процесс диагностики, вместе с тем он не будет заменять врачей-клиницистов. ИИ, обученный на сотнях образцов, может служить эффективным вспомогательным инструментом для повышения объективности диагностики и принятия решения относительно выбора тактики лечения.
Добавим, что данные трехлетних исследований легли в основу кандидатской диссертации Анастасии Князьковой. Научная работа была успешно защищена в октябре 2023 года на базе нового диссовета ТГУ по медицинской физике, он был создан на базе университета год назад и стал единственным и первым за Уралом.
Для справки: Лаборатория лазерного молекулярного имиджинга и машинного обучения ТГУ создана в рамках масштабного междисциплинарного проекта, поддержанного мегагрантом правительства РФ. Задачей проекта является создание инновационных подходов, которые позволят уменьшить время, необходимое для диагностики заболеваний, в сотни раз – с нескольких дней до нескольких минут. В состав научной группы, которая занимается разработкой новых инструментов и технологий диагностики с использованием современных методов оптической спектроскопии и машинного обучения, вошли сотрудники Томского, Саратовского, Московского государственных университетов, руководитель проекта – Александр Шкуринов.