Искусственный интеллект (ИИ) становится важным инструментом в медицине, помогая врачам принимать более точные и обоснованные решения. В области диагностики рака молочной железы ИИ уже продемонстрировал свой потенциал, улучшая точность и воспроизводимость гистопатологических оценок.
Одним из ключевых направлений применения ИИ в онкологии является компьютерная патология, которая позволяет анализировать изображения тканей с высокой точностью. Это особенно важно для диагностики рака молочной железы, где точность оценки прогностических маркеров напрямую влияет на выбор лечения.
В рамках этого направления научный сотрудник Абхинав Шарма из Департамента медицинской эпидемиологии и биостатистики разработал модели глубокого обучения для прецизионной патологоанатомической диагностики. В своей диссертации он представил результаты четырех исследований, которые показали значительные достижения в этой области.
- Снижение вариабельности между наблюдателями и лабораториями:
— Модель глубокого обучения, обученная на изображениях цельных слайдов (WSI), окрашенных H&E, продемонстрировала высокую точность в диагностике рака молочной железы.
— Это позволило снизить вариабельность между наблюдателями и лабораториями, что способствует более воспроизводимым и надежным результатам. - Улучшение прогностической стратификации риска:
— Решение на основе ИИ, разработанное для стратификации риска рака молочной железы, было протестировано в двух независимых больничных учреждениях Швеции.
— Результаты показали, что использование этого решения может значительно улучшить прогностическую оценку для пациентов с промежуточным риском. - Методология для интерпретации моделей ИИ:
— В третьем исследовании Шарма представил новый подход под названием WEEP (Wsi rEgion sElection).
— Эта методология позволяет лучше понимать, как модели ИИ принимают решения, что может быть полезно как в исследовательских, так и в диагностических приложениях. - Улучшение прогнозирования риска с использованием нескольких пятен:
— Разработанная модель глубокого обучения для прогнозирования прогностической оценки риска основана на анализе нескольких пятен WSI.
— Использование комбинации локального и пространственного выравнивания пятен показало значительное улучшение точности по сравнению с отдельными пятнами.
Абхинав Шарма подчеркнул важность междисциплинарного подхода в исследованиях, направленных на применение ИИ в медицине. Он отметил, что последние достижения в этой области открывают новые возможности для улучшения диагностики и персонализированного лечения онкологических заболеваний.
Шарма выразил надежду, что его работа и исследования других ученых будут способствовать более широкому внедрению ИИ в медицинскую практику, что поможет спасти жизни и улучшить качество жизни пациентов.
Литература:
Abhinav Sharma, Development and validation of novel deep learning- based models for cancer histopathology image analysis (2024). DOI: 10.69622/27291567.v1
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];
