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.
![Аспирантка ТГУ Анастасия Князькова во время защиты кандидатской диссертации photo_2023-10-27_09-58-29.jpg](/upload/medialibrary/937/5zkbgrqyjdq1wtvtnnu4vyydx743h85a/photo_2023_10_27_09_58_29.jpg)
Формирование библиотеки данных для машинного обучения ИИ проводилось на основе более ста образцов тканей (парафиновые блоки) пациентов НИИ онкологии ТНИМЦ (статья). 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.