Ученые Томского государственного университета, совместно с НИИ онкологии ТНИМЦ, добились важного прорыва в диагностике рака кожи, используя передовые методы, искусственный интеллект и машинное обучение. Их работа позволила компьютерным моделям распознавать меланому, определяя степень ее злокачественности с невероятной точностью.
Исследование включало использование терагерцовой спектроскопии для анализа образцов биологических тканей пациентов. В отличие от стандартной гистологии, которая основана на микроскопическом изучении тканей, оптические методы сфокусировались на спектральных особенностях тканей, позволяя выявить существенные различия между здоровыми и злокачественными тканями.
Формирование библиотеки данных для машинного обучения ИИ проводилось на основе образцов тканей более ста пациентов НИИ онкологии ТНИМЦ. Среди них были три группы: пациенты, у которых диагностирована аденокарцинома простаты, группа с диагнозом меланома (рак кожи) и пациенты, которые по итогам обследования оказались здоровы.
Обученная компьютерная модель не только выявляет наличие раковых клеток, но и проводит оценку опухоли по шкале Глисона. Эта шкала традиционно используется при диагностике рака простаты для определения степени злокачественности процесса (показатели от 1 до 10), что важно с точки зрения прогноза течения болезни. Как в случае с раком простаты, так и при диагностике меланомы точность оценки, проведенной ИИ, составила 100 процентов.
Научный сотрудник лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ, Анастасия Князькова, подчеркивает: «Задача наших исследований заключалась в оценке возможностей компьютерной модели в распознавании опухолей разной нозологии. При наличии базы данных ИИ можно обучить выявлению новообразований разных локализаций. В настоящее время мы работаем с формированием библиотеки с образцами тканей глиомы — одной из наиболее агрессивных опухолей головного мозга.»
Этот новый подход к диагностике рака кожи, поддержанный современными технологиями, будет дополнительным инструментом для медицинских специалистов. Искусственный интеллект, обученный на обширной базе данных, поможет повысить точность и объективность диагноза, способствуя более эффективному выбору стратегии лечения.