С помощью технологии искусственного интеллекта (ИИ), разработанной Центром передового интеллекта RIKEN (AIP) в Японии, ученые обнаружили особенности на изображениях патологии у больных раком, которые могли бы использовать врачи на практике. Результаты исследования опубликованы в научном журнале Nature Communications.
Материалы и методы обследования
Ученые разработали метод, который называется «обучение без учителя». В то время как ученые обучают ИИ, невозможно получить знания сверх того, что известно в настоящее время. Вместо того, чтобы «обучать» медицинским знаниям, ИИ попросили учиться, используя неконтролируемые глубокие нейронные сети, известные как авто-кодеры, без каких-либо медицинских знаний. Исследователи разработали метод преобразования обнаруженных ИИ функций — изначально только чисел — в изображения с высоким разрешением, которые могут быть понятны людям.
Чтобы выполнить этот метод, ученые изучили 13 188 изображений патологии предстательной железы в Медицинской школе Ниппон (Nippon Medical School Hospital (NMSH)). Объем данных соответствовал приблизительно 86 миллиардам изображений глубоких нейронных сетей, и вычисления были выполнены на мощном суперкомпьютере AIP RAIDEN.
Результаты научной работы
С помощью технологии ИИ ученые выявили особенности, относящиеся к прогнозу рака, которые ранее не отмечались патологами, что привело к более высокой точности выявления рецидива рака предстательной железы по сравнению с диагнозом на основе патологов. Объединение данных, сделанных ИИ, с данными патологов привело к еще большей точности. По словам автора исследования Йоичиро Ямамото (Yoichiro Yamamoto), эта технология может внести свой вклад в персонализированную медицину, сделав возможным высокоточное прогнозирование рецидива рака. Эта технология также может способствовать пониманию того, как ИИ можно безопасно использовать в медицине.
Особенности, обнаруженные ИИ, включали критерии диагностики рака которые использовались во всем мире, по шкале Глисона, но также с особенностями, связанными со стромой — соединительными тканями, поддерживающими орган — в нераковых областях, о которых эксперты не знали. Чтобы оценить эти обнаруженные признаки ИИ, исследовательская группа проверила эффективность прогнозирования рецидивов. Ученые выяснили, что признаки, обнаруженные ИИ, были более точными (AUC = 0,820), чем прогнозы, сделанные на основе установленных человеком критериев рака, разработанных патологами, по шкале Глисона (AUC = 0,744). Кроме того, объединение как обнаруженных признаков ИИ, так и установленных человеком критериев предсказало рецидив более точно, чем при использовании любого из этих методов (AUC = 0,842).
Ямамото комментирует: «Я был очень рад обнаружить, что ИИ смог идентифицировать рак самостоятельно по изображениям патологии. Я был очень удивлен, увидев, что ИИ обнаружил особенности, которые можно использовать для прогнозирования рецидивов рака. Мы показали, что ИИ может автоматически получать понятные человеку знания из диагностических изображений гистопатологии без аннотаций. Эти знания могут быть полезны для пациентов, позволяя получать высокоточные прогнозы рецидива рака. Прогнозы ИИ и патологов еще больше повысили точность, показав, что ИИ можно использовать совместно с врачами для улучшения медицинской помощи. И, кроме того, ИИ можно использовать как инструмент для выявления характеристик заболеваний, которые не отмечены до сих пор».
Авторы другого исследования утверждают, что искусственный интеллект поможет врачам идентифицировать раковые клетки.
Ведущий специалист отдела организации клинических исследований, терапевт, врач ультразвуковой диагностики АО «СЗМЦ» (г. Санкт-Петербург), главный редактор, учредитель сетевого издания Medical Insider, а также автор статей
E-mail для связи – [email protected];
Для отправки комментария необходимо войти на сайт.