Искусственный интеллект поможет диагностировать рак молочной железы
Сегодня лечение рака все больше связано с изучением молекулярных характеристик, определяемых в образцах опухолевой ткани. Множество проводимых исследований ориентируются на выявление изменений ДНК в ней, а также характера этих изменений. В изучаемых образцах тканей ученых также интересует экспрессия генов и белков. Но несмотря на данные ориентиры, которые помогают в диагностике заболевания, исследователи все больше понимают, что прогрессирование рака находится в тесной связи с межклеточным перекрестным взаимодействием, а также взаимодействием, которое наблюдается у неопластических клеток с окружающих их тканями.
Хотя методы с использованием систем микроскопии позволяют проводить исследование биологические процессов с достаточно высокой пространственной детализацией, все же они позволяют осуществлять лишь ограниченное измерение необходимых молекулярных маркеров. Последние, скорее, можно в полной мере определить с помощью взятых из тканей белков или ДНК. В таком режиме изучения пространственная детализация фактически невозможна — остается неясной связь между этими маркерами и микроскопическими структурами.
Если говорить о раке молочной железы, то здесь количество иммигрировавших в опухолевой ткани иммунных клеток лимфоцитов оказывает прямое влияние на прогноз пациента. Ученые спорят о том, имеет ли это число какую-либо прогностическую ценность. По их словам, есть хорошие и надежные гистологические и молекулярные данные, обладающие высокой пространственной детализацией. Но пока не обнаруживаются решающие связи между данными визуализации и высокомерными молекулярными данными.
Именно этот симбиоз и позволил реализовать недавно опубликованный подход. Новая система, оснащенная искусственным интеллектом, помогает облегчить обнаружение патологических изменений, отраженных на микроскопических изображениях. В это же время появляется возможность обеспечить точную визуализацию тепловой карты. Эта карта, в свою очередь, отражает степень вклада каждого пикселя микроскопического изображения в диагностический алгоритм.
Исследовательская группа также преуспела в дальнейшем значительном развитии этого процесса: аналитическая система была обучена с помощью комплекса процессов машинного обучения, чтобы быть способной предсказывать необходимые для лечения молекулярные характеристики, включая экспрессию генов, экспрессию белков в конкретных областях ткани и состояние ДНК. Для выявления некоторых параметров используются гистологические изображения.
