Найти в Дзене
IT Russia brief

В России создали систему, которая помогает оценивать злокачественность рака

Ученые из Института регенеративной медицины Сеченовского Университета и ПАО «Вымпелком» создали систему на основе искусственного интеллекта для учета дистрофических изменений ткани почки, сообщили в пресс-службе вуза. Изначально технологию разрабатывали для облегчения рутинных задач патологов, однако исследование привело ученых к фундаментальному открытию. Алгоритм, обученный на 200 тыс. клеток, определяет степень злокачественности опухоли и прогнозирует выживаемость пациентов. Система анализирует цифровые изображения опухолей на гистологическом срезе, а затем автоматически выделяет и классифицирует клетки с видимыми ядрышками — морфологический признак, который напрямую связан с агрессивностью заболевания. Персонализированный прогноз и выбор терапии С помощью ИИ ученые выявили четыре морфологических паттерна опухолей с разным прогнозом, которые превосходят стандартную классификацию ВОЗ/ISUP, где оценка происходит «на глаз». «Результаты нашего исследования указывают на то, что рассчитан

Ученые из Института регенеративной медицины Сеченовского Университета и ПАО «Вымпелком» создали систему на основе искусственного интеллекта для учета дистрофических изменений ткани почки, сообщили в пресс-службе вуза.

Изначально технологию разрабатывали для облегчения рутинных задач патологов, однако исследование привело ученых к фундаментальному открытию. Алгоритм, обученный на 200 тыс. клеток, определяет степень злокачественности опухоли и прогнозирует выживаемость пациентов.

Система анализирует цифровые изображения опухолей на гистологическом срезе, а затем автоматически выделяет и классифицирует клетки с видимыми ядрышками — морфологический признак, который напрямую связан с агрессивностью заболевания.

Персонализированный прогноз и выбор терапии

С помощью ИИ ученые выявили четыре морфологических паттерна опухолей с разным прогнозом, которые превосходят стандартную классификацию ВОЗ/ISUP, где оценка происходит «на глаз».

«Результаты нашего исследования указывают на то, что рассчитанные с помощью ИИ количественные метрики позволят с большей уверенностью отнести случай к одной или другой ядрышковой градации. Вместо субъективной оценки «много» или «мало» ядрышек врач получит конкретное значение — например, 15%. Это объективный, воспроизводимый параметр, который можно использовать для персонализированного прогноза и выбора терапии», — рассказал руководитель лаборатории цифрового микроскопического анализа Алексей Файзуллин.

После пилотного тестирования модель интегрировали в цифровое ПО для клинического применения. Она призвана облегчить диагностику онкологического заболевания и подобрать более персонализированное лечение для пациента.