Исследователи из Юго-западного медицинского центра Университета Техаса (UT Southwestern Medical Center) разработали программное обеспечение ConvPath, которое показывает, как алгоритм искусственного интеллекта (ИИ) автоматически распознает каждую клетку в изображении препарата опухолевой, стромальной ткани, а затем преобразует изображение в пространственную карту. Кластеры опухолевых клеток далее идентифицируются как опухолевые области. Новая технология дает врачам способ прогнозирования результатов лечения пациентов. Выводы исследования опубликованы в научном журнале EBioMedicine.
Актуальность проблемы
Пространственное распределение различных типов клеток может выявить характер роста рака, его связь с окружающей микросредой и иммунную реакцию организма. Но процесс ручной идентификации всех клеток на фоне патологий чрезвычайно трудоемок и подвержен ошибкам.
«Поскольку в образце ткани обычно находятся миллионы клеток, патолог может анализировать только очень небольшое количество слайдов в день. Чтобы поставить диагноз, врачи-патологи обычно изучают только несколько репрезентативных областей, а не весь слайд, некоторые важные детали могут быть упущены при таком методе визуализации», — объясняет автор исследования Гуанхуа «Энди» Сяо (Guanghua «Andy» Xiao).
Основная техническая задача при систематическом изучении микроокружения опухоли заключается в том, как автоматически классифицировать различные типы клеток и количественно определять их пространственное распределение.
Результаты научной работы
Алгоритм искусственного интеллекта ConvPath, разработанный учеными Университета Техаса, преодолевает эти препятствия, используя искусственный интеллект для классификации типов клеток по изображениям патологии рака легких. Алгоритм ConvPath может сконцентрироваться на клетках и идентифицировать их типы на основе появления на изображениях патологии, используя алгоритм ИИ. Этот алгоритм эффективно преобразует изображение препарата в карту, которая отображает пространственные распределения и взаимодействия опухолевых клеток, стромальных клеток (то есть клеток соединительной ткани) и лимфоцитов (то есть белых кровяных клеток) в опухолевой ткани.
Хорошо ли сгущаются опухолевые клетки или распространяются в стромальные лимфатические узлы — это фактор, выявляющий иммунный ответ организма. Таким образом, данная информация может помочь врачам определить планы лечения и правильную иммунотерапию. В конечном счете, алгоритм помогает врачам получить наиболее точный и быстрый анализ раковых клеток.
Программное обеспечение ConvPath, которое включает в себя алгоритмы сегментации изображений, глубокого обучения и извлечения функций, доступно для общественности по ссылке.
Авторы другого исследования утверждают, что компьютерная программа определяет мутации во вторичных структурах ДНК.
