МОСКВА, 15 декабря. /ТАСС/. Ученые Международного исследовательского института интеллектуальных материалов Южного федерального университета (ЮФУ, Ростов-на-Дону) разработали систему независимого контроля качества прижизненных патолого-анатомических исследований биопсий опухолей толстой кишки, используя сверхточные нейронные сети. Об этом сообщили в четверг ТАСС в пресс-службе ЮФУ.
Рак толстой кишки занимает третье место по частоте выявляемости и второе среди женщин. По данным ВОЗ, ежегодно его диагностируют у 2 миллионов человек, среди них умирают более 800 тыс.
"Полученные результаты позволят сократить время постановки правильного диагноза, а также могут быть применены к разным видам рака. <…> Было доказано, что новый метод анализа отсканированных биопсий опухолей диагностирует типы онкологий с точностью до 96%", - отметили в пресс-службе.
В настоящее время основанием для начала лечения является морфологическая верификация опухолевого процесса преимущественно по материалу эндоскопической биопсии толстой кишки. По словам экспертов, патолого-анатомическое исследование - достаточно субъективный процесс, основанный на распознавании в гистологических препаратах различных морфологических признаков, и судьбу пациента, как правило, решает один специалист. Из-за дефицита кадров врачей-патологоанатомов наладить систему референсных исследований всех биопсий - практически невыполнимая задача, с которой в будущем могут справиться компьютерные технологии.
Специализированное программное обеспечение, которое сможет с высокой точностью распознавать различные морфологические признаки опухолей толстой кишки, способно стать независимым контролем качества прижизненных патолого-анатомических исследований, и, в случае расхождения врачебного диагноза и мнения компьютерной программы, решение должен принимать врач - эксперт более высокого уровня. Для решения задачи классификации фрагментов отсканированных биопсий использовалась идея трансферного обучения. Исследователи брали за основу предобученные на наборе данных ImageNet. Это база набора данных миллионов помеченных изображений с высоким разрешением, относящихся примерно к 22 тысячам категорий. Затем проводили дополнительное обучение нейронных сетей на изображениях из базы WSI-изображений (изображение, созданное путем полной оцифровки стекла с разрешением до 200000 точек на дюйм), чтобы настроить эти сети решать медицинскую задачу.
