Αυτό αναφέρθηκε στην “Gazeta.Ru” στην υπηρεσία Τύπου του πανεπιστημίου.
Ο καρκίνος του παχέος εντέρου παραμένει μία από τις πιο συχνές ογκολογικές ασθένειες. Η παρουσία μεταστάσεων στους λεμφαδένες καθορίζει το στάδιο της νόσου, την πρόγνωση και τη θεραπευτική τακτική. Ταυτόχρονα για τη σωστή διάγνωση είναι απαραίτητη η εξέταση τουλάχιστον 12 λεμφαδένων – πρόκειται για δεκάδες ιστολογικά παρασκευάσματα, όπου οι εστίες όγκου μπορεί να είναι εξαιρετικά μικρές και δύσκολα διακριτές.
Το σύστημα που αναπτύχθηκε λειτουργεί σε δύο στάδια.
Πρώτον, ο αλγόριθμος αναλύει ολόκληρη την ψηφιακή εικόνα και επισημαίνει τις ύποπτες περιοχές. Στη συνέχεια πραγματοποιείται μια πιο λεπτομερής εξέταση: το λογισμικό καθορίζει τα όρια των καρκινικών κυττάρων και επικαλύπτει μια ημιδιαφανή μάσκα στην εικόνα, βοηθώντας τον γιατρό να εστιάσει στις δυνητικά επικίνδυνες περιοχές.
Για την εκπαίδευση του μοντέλου χρησιμοποιήθηκαν σημασμένα παρασκευάσματα λεμφαδένων που παρασκευάστηκαν στο Αντικαρκινικό Νοσοκομείο αριθ. 62. Οι εμπειρογνώμονες σχολίασαν συνολικά 108 παρασκευάσματα και δημιούργησαν ένα δείγμα 514 λεμφαδένων για επικύρωση. Ο αλγόριθμος δοκιμάστηκε σε δεδομένα από δύο ιατρικά κέντρα.
Κατά τη διάρκεια των δοκιμών, το σύστημα αναγνώρισε σωστά όλες τις περιπτώσεις με μεταστάσεις και αναγνώρισε σωστά τον φυσιολογικό ιστό στις περισσότερες περιπτώσεις. Ιδιαίτερη προσοχή δόθηκε στις μικρές εστίες: Το AI εντόπισε μεταστάσεις διαστάσεων περίπου 0,14 × 0,06 mm.
“Μετακινούμαστε σταδιακά από την ανάλυση μεμονωμένων μορφολογικών χαρακτηριστικών σε μια ολοκληρωμένη μελέτη των ιστών, συμπεριλαμβανομένης της εργασίας με πολυτροπικά δεδομένα”, σημείωσε ο Alexey Faizullin, επικεφαλής του Εργαστηρίου Ψηφιακής Μικροσκοπικής Ανάλυσης στο Πανεπιστήμιο Sechenov.
Οι γιατροί που συμμετείχαν στο πιλοτικό πρόγραμμα σημείωσαν ότι το σύστημα εξοικονομεί χρόνο και μειώνει τον φόρτο εργασίας, βοηθώντας στην ταχύτερη ανεύρεση ύποπτων περιοχών.
“Τέτοιες τεχνολογίες μπορούν να βελτιώσουν τη διαγνωστική ακρίβεια και να ωφελήσουν τόσο τους ειδικούς όσο και τους ασθενείς”, τόνισε ο διευθύνων σύμβουλος της Medical Neuronets, Ruslan Parchiev.
Οι συγγραφείς τονίζουν ότι το σύστημα δεν αντικαθιστά τον γιατρό, αλλά χρησιμεύει ως εργαλείο υποστήριξης αποφάσεων. Στο μέλλον, τέτοιες λύσεις μπορεί να αποτελέσουν μέρος των ψηφιακών χώρων εργασίας των παθολογοανατόμων και να μειώσουν τον κίνδυνο να μην εντοπιστούν μικρές μεταστάσεις.
