© с сайта ТГУ
ТОМСК, 12 ноя – РИА Томск. Ученые Томского госуниверситета (ТГУ)
научили компьютер определять злокачественность опухоли простаты с
точность 100%; после накопления достаточного объема данных искусственный
интеллект может применяться в клинической практике и в перспективе
использоваться для диагностики разных онкозаболеваний, сообщила во вторник
пресс-служба вуза.
По данным пресс-службы, для диагностики онкозаболеваний
специалисты используют гистологию – исследование тканей, взятых у пациента, и
отслеживание злокачественных изменений. Образцы в настоящее время исследуются
под микроскопом, а заключение врачи принимают коллегиально. Человеческий фактор
в отдельных случаях приводит к ошибочным выводам.
"Мы попробовали решить эту проблему с помощью
IT-технологий – разработали компьютерную модель и посредством машинного
обучения научили ее выявлять аномальные участки, используя такой инструмент,
как терагерцовая спектроскопия", – приводится комментарий исполнительного
директора Института биомедицины ТГУ Юрия Кистенева.
Уточняется, что точность диагностики с помощью
искусственного интеллекта составила 100%. Терагерцовая спектроскопия позволяет тщательнее
изучить образец: на маленьком участке лазер "читает" от 2500 до 4000
точек. Саму компьютерную модель ученые тренировали на образцах здоровой и
пораженной ткани, которые предоставил томский НИИ онкологии.
© с сайта ТГУ
"В процессе анализа искусственный интеллект не только
выявляет наличие раковых клеток, но и проводит оценку опухоли по шкале Глисона.
Она традиционно используется при диагностике рака простаты для определения
степени злокачественности процесса (показатели от 1 до 10), что важно с точки
зрения прогноза течения болезни", – говорится в сообщении.
Отмечается, что по мере накопления данных модель сможет
проводить оценку опухоли по всей шкале Глисона, после чего новый инструмент
можно внедрять в клиническую практику. Метод может стать универсальным. При
наличии достаточного количества обучающего материала (образцов с нормой и патологией)
модель можно обучить диагностике других онкозаболеваний. В частности, ее уже
опробовали в определении меланомы.