Нейросеть научили находить следы раковых опухолей

В некоторых случаях она справляется с этим лучше традиционных методов диагностики

Математики разработали новую систему компьютерного зрения, которая может распознавать характерные черты 28 типов раковых клеток и выделять опухоли на фотографиях органов и срезов тканей. Результаты их работы опубликовал научный журнал Nature Cancer, кратко об этом во вторник сообщила пресс-служба МГУ имени Ломоносова.

"Предложенный нами метод показывает, что компьютерное зрение наряду с молекулярным профилированием можно использовать при диагностике рака. Экспертная оценка врача остается стандартом для того, чтобы поставить окончательный диагноз, однако компьютеры уже сейчас способны помогать в решении этих задач", – рассказал один из авторов работы, ведущий специалист Европейского института биоинформатики (Великобритания) Мориц Герштунг.

В последние годы благодаря развитию математики и увеличению вычислительных мощностей компьютеров ученые могут создавать сложные системы искусственного интеллекта, которые могут выполнять нетривиальные задачи и даже мыслить творчески.

К примеру, недавно ученые создали системы ИИ, которые могут распознавать следы рака кожи, груди и некоторых других болезней и превосходят в этом отношении ведущих экспертов-онкологов. Герштунг и его коллеги, среди которых был и студент МГУ Артем Шматко, создали еще одну подобную нейросеть. Ее научили помогать гистопатологу в том, чтобы изучать фотографии тканей тела человека и срезов опухолей.

Нейросетеовой помощник гистопатолога

Исследователи предположили, что нейросети, на которых основаны различные автомобильные и авиационные системы компьютерного зрения, можно использовать не только для распознавания препятствий и классификации различных объектов природы, но и для того, чтобы отличать здоровую ткань от опухолей.

Руководствуясь этой идеей, ученые обработали фотографии 17 тысяч срезов опухолей и здоровых тканей из базы данных The Cancer Genome Atlas (TCGA). Для этого снимки разбили на небольшие фрагменты размером 512 на 512 пикселей. Эти кусочки фотографий специалисты использовали для обучения нейросети Inception-V4. Она выделила на снимках более 1,5 тыс. параметров, которые влияют на принадлежность каждого снимка к здоровым или больным тканям.

Как оказалось, эта система хорошо справлялась с задачей распознавания опухолей, в некоторых случаях превосходя по точности традиционные методы гистопатологии. К примеру, классические методы плохо работают с твердыми опухолями, которые формируются в результате появления лишних копий хромосом и других крупных изменений генома, выдавая почти случайный ответ. Нейросеть справляется с этой задачей в 75% случаев, благодаря чему качество диагностики может резко повыситься.

"Этот метод позволяет находить не только масштабные генетические изменения, происходящие на уровне хромосом, но и одиночные замены нуклеотидов в генах-драйверах опухолей, в том числе участков PTEN, BRAF и TP53. Интересно, что в случае гена BRAF он показал лучшие результаты предсказания для рака щитовидной железы, чем традиционный гистопатологический подход, что говорит о возможности дальнейшего улучшения общепринятой классификации", – отметил Шматко.

Помимо этого компьютерное зрение оказалось полезным и для прогнозирования выживаемости пациентов. Оно показало себя лучше традиционных методик оценки для 10 из 16 типов опухолей. Как надеются ученые, подобная особенность системы позволит ей, а также другим основанным на нейросетях подходам быстро проникнуть в клиническую практику и помочь врачам точнее диагностировать опухоль и подбирать правильные стратегии по лечению рака.

Источник.