Блог компании ua-hosting.company. Использование искусственного интеллекта в различных областях деятельности человека становится все более обыденным делом. Хоть ИИ и далек от многогранности человеческого мозга, в некоторых ситуациях он все же весьма полезен. Особенно если речь идет об анализе данных.

Ученые из медицинского факультета Вашингтонского университета (США) разработали алгоритм машинного обучения, способный быстро и точно прогнозировать потенциальный риск метастазирования мозга по данным биопсии пациентов с немелкоклеточным раком легких на ранней стадии.

Как именно работает данный алгоритм, и насколько он эффективен? Ответы на эти вопросы мы найдем в докладе ученых.

Основа исследования

Немелкоклеточный рак легких (NSCLC от non-small cell lung cancer) остается лидирующей причиной смертности от рака во всем мире. Несмотря на весьма успешное лечение хирургическим путем, почти в трети случаев на ранней стадии (стадии I–III) возникают рецидивы с отдаленными метастазами. Значительные достижения разработке терапевтических методов борьбы с NSCLC улучшили статистику выживаемости пациентов. Однако врожденная и приобретенная резистентность к терапии и прогрессирование заболевания в отдаленные метастазы остаются одной из самых распространенных причин заболеваемости.

Более глубокое понимание биологии опухолей позволяет предположить, что микроокружение опухоли первичного NSCLC может диктовать будущее метастатическое поведение. Метастазы в головной мозг, в частности, являются частой причиной заболеваемости и смертности при NSCLC. Стадия заболевания является наиболее часто используемым предиктором исхода NSCLC (и других видов рака). Однако, хотя стадия обеспечивает общую оценку риска для пациентов со схожими характеристиками, стадирование не позволяет предсказать, у каких отдельных пациентов будет или не будет прогрессировать метастазирование. Гистопатологический анализ, даже если он дополнен геномными или молекулярными биомаркерами, не может точно предсказать метастатический потенциал NSCLC, особенно у пациентов на ранних стадиях.

Ученые отмечают, что использование искусственного интеллекта в медицине может гарантировать более точную диагностику заболеваний, формируемую в результате анализа изображений. Ранее уже были протестированы алгоритмы глубокого обучения (DL от deep learning), способные находить известные диагностические гистопатологические особенности рака простаты. При этом их эффективность и точность были на уровне реальных медиков. Однако использование слабого/неконтролируемого DL для выявления особенностей, которые не могут быть распознаны патологами, таких как потенциал прогрессирования и выживания на основе рутинных гистологических препаратов, изучено менее хорошо.

В рассматриваемом нами сегодня труде ученые демонстрируют, как алгоритм глубокого обучения может быть эффективно обучен на цифровых снимках (слайдах) опухолевой ткани NSCLC, окрашенных H&E (гематоксилином и эозином). Результатом обучения становится способность алгоритма автоматически и точно прогнозировать метастатическое прогрессирование в головном мозге в течение 5 лет после первичного диагноза.