Патологи классифицируют различные заболевания почек на основе визуальной оценки биопсии почек пациентов. Машинное обучение имеет потенциал для автоматизации и повышения точности классификаций.
Учёные из Школы медицины и биомедицинских наук Якобса в Университете Буффало (Канада), разработали алгоритм выявления степени тяжести диабетической болезни почек без вмешательства человека. Алгоритм исследует цифровое изображение биопсии почки пациента на микроскопическом уровне и извлекает информацию о клубочках, небольших кровеносных сосудах почки, которые отфильтровывают отходы из крови для выведения. Известно, что эти структуры постепенно повреждаются и получают шрамы при диабете.
Обычно на одну биопсию приходится от 10 до 20 отдельных клубочков. Алгоритм определяет местоположение каждого гломерулярного подкомпонента на цифровых изображениях. Затем алгоритм просматривает все характеристики, измеренные по биопсии одного пациента в серии, точно так же, как врач сканирует биопсию пациента, переходя от клубочка к клубочку и исследуя структуру каждого. Алгоритм обладает долговременной и краткосрочной памятью, поскольку он исследует структуру клубочков, поэтому он может запомнить и включить информацию из всех клубочков в окончательный анализ.
Исследователи использовали метод для цифровой классификации образцов биопсии 54 пациентов с диабетическим заболеванием почек, и обнаружили соответствие между цифровыми классификациями и классификациями трех различных патологов.
https://medicalxpress.com/news/2019-09-artificial-intelligence-approaches-diagnostics-kidney.html
