Математики из МГУ и их коллеги из Великобритании, Испании и Германии разработали новую систему компьютерного зрения, способную распознавать характерные черты 28 типов раковых клеток и выделять

Математики из МГУ и их коллеги из Великобритании, Испании и Германии разработали новую систему компьютерного зрения, способную распознавать характерные черты 28 типов раковых клеток и выделять опухоли на фотографиях органов и срезов тканей. Об этом во вторник сообщила пресс-служба МГУ имени М. В. Ломоносова со ссылкой на статью в журнале Nature Cancer.

"Предложенный нами метод показывает потенциал использования компьютерного зрения наряду с молекулярным профилированием. Экспертная оценка патолога-человека все еще является стандартом для постановки окончательного диагноза, однако компьютеры уже сейчас способны помогать в решении этих задач", - заявил Мориц Герштунг, ведущий специалист Европейского института биоинформатики в Кембридже (Великобритания), чьи слова приводит пресс-служба вуза.

В последние годы благодаря развитию математики и росту вычислительных мощностей компьютеров у ученых появилась возможность собирать сложные нейросети, системы искусственного интеллекта, способные исполнять нетривиальные задачи и даже мыслить креативно, создавая новые образцы искусства и технологий.

К примеру, недавно ученые создали системы ИИ, способные распознавать следы меланомы, рака кожи, и превосходящие в этом отношении ведущих экспертов-онкологов, а также проводить аналогичную диагностику рака груди и ряда других болезней. Российские ученые и их европейские коллеги создали еще одну подобную нейросеть, способную играть роль помощника гистопатолога, изучающего фотографии тканей тела человека и срезов опухолей.

Нейросетевой помощник гистопатолога

Герштунг и его коллеги, в том числе студент МГУ Артем Шматко, предположили, что существующие нейросетевые подходы, применяемые для создания различных автомобильных и авиационных систем компьютерного зрения, можно использовать не только для распознавания препятствий и классификации различных объектов природы, но и для того, чтобы отличать здоровую ткань от опухолей.

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.

Как оказалось, данная система хорошо справлялась с задачей распознавания опухолей, в некоторых случаях превосходя по точности традиционные методы гистопатологии. К примеру, классические методы крайне плохо работают с твердыми опухолями, возникшими в результате появления лишних копий хромосом и прочих крупных геномных изменений, выдавая почти случайный ответ. Нейросеть справляется с этой задачей в 75% случаев, что может резко повысить качество диагностики.

"Этот метод позволяет находить не только масштабные генетические изменения, происходящие на уровне хромосом, но и одиночные замены нуклеотидов в генах-драйверах опухолей, 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", - отметил Шматко.

Помимо этого, компьютерное зрение оказалось полезным и для прогнозирования выживаемости, оно превзошло традиционные методики получения подобных оценок для 10 из 16 типов опухолей. Как надеются ученые, подобная особенность системы позволит ей, а также другим нейросетевым подходам быстро проникнуть в клиническую практику и помочь врачам точнее диагностировать опухоль и подбирать правильные стратегии по лечению рака.

Комментарии: