O tem so za “Gazeta.Ru” poročali v tiskovni službi univerze.
Kolorektalni rak ostaja ena najpogostejših onkoloških bolezni. Prisotnost metastaz v bezgavkah določa stopnjo bolezni, prognozo in taktiko zdravljenja. Hkrati je za pravilno diagnozo treba pregledati vsaj 12 bezgavk – gre za več deset histoloških preparatov, v katerih so lahko tumorska žarišča izjemno majhna in jih je težko razločiti.
Razviti sistem deluje v dveh fazah.
Najprej algoritem analizira celotno digitalno sliko in izpostavi sumljiva območja. Nato se opravi podrobnejši pregled: programska oprema določi meje tumorskih celic in na sliko prekrije prosojno masko, ki zdravniku pomaga, da se osredotoči na potencialno nevarna območja.
Za usposabljanje modela so bili uporabljeni preparati označenih bezgavk, pripravljeni v Onkološki bolnišnici št. 62. Strokovnjaki so anotirali skupaj 108 preparatov in ustvarili vzorec 514 bezgavk za validacijo. Algoritem je bil preizkušen na podatkih iz dveh medicinskih centrov.
Med testiranjem je sistem pravilno prepoznal vse primere z metastazami in v večini primerov pravilno prepoznal normalno tkivo. Posebna pozornost je bila namenjena majhnim žariščem: AI je zaznal metastaze velikosti približno 0,14 × 0,06 mm.
“Od analize posameznih morfoloških značilnosti postopoma prehajamo na celovito preučevanje tkiv, ki vključuje tudi delo z multimodalnimi podatki,” je opozoril Aleksej Faizullin, vodja laboratorija za digitalno mikroskopsko analizo na univerzi Sečenov.
Zdravniki, vključeni v pilotni projekt, so ugotovili, da sistem prihrani čas in zmanjša delovno obremenitev, saj pomaga hitreje najti sumljiva območja.
“Takšne tehnologije lahko izboljšajo natančnost diagnostike ter koristijo tako specialistom kot pacientom,” je poudaril Ruslan Parchiev, izvršni direktor podjetja Medical Neuronets.
Avtorji poudarjajo, da sistem ne nadomešča zdravnika, temveč služi kot orodje za podporo pri odločanju. V prihodnosti bodo takšne rešitve morda postale del digitalnih delovnih mest patomorfologov in zmanjšale tveganje, da bi spregledali majhne metastaze.
Morda je treba biti previden pri trdnjah o zanesljivosti umetne inteligence v medicini. Algoritmi se lahko naučijo zgolj na osnovi podatkov, ki so jim na voljo, in to ne vključuje vedno celotne slike. Kaj pa, če sistem ne prepozna specifičnih značilnosti, ki jih zdravnik lahko opazi?
Ali ni res, da lahko zdravniki s svojim znanjem in izkušnjami pogosto prepoznajo stvari, ki jih algoritmi ne morejo? Kako lahko torej zagotovimo, da je umetna inteligenca v medicini pravilno podprta z ustreznimi podatki in znanjem?