Новое исследование показывает, что новая компьютерная программа может анализировать изображения опухолей легких пациентов, определять типы рака и даже определять измененные гены, вызывающие аномальный рост клеток.
Исследование, проведенное под руководством исследователей из Медицинской школы Нью-Йоркского университета и опубликованное в журнале Nature Medicine, показало, что тип искусственного интеллекта (ИИ) или "машинное обучение" программа могла с 97-процентной точностью различать аденокарциному и плоскоклеточный рак – два типа рака легких, которые опытные патологоанатомы иногда с трудом подбирают без подтверждающих тестов.
Инструмент AI также смог определить, присутствуют ли в клетках аномальные версии 6 генов, связанных с раком легких, включая EGFR, KRAS и TP53, с точностью, которая варьировалась от 73 до 86 процентов в зависимости от гена. Такие генетические изменения или мутации часто вызывают аномальный рост, наблюдаемый при раке, но также могут изменять форму клетки и взаимодействие с окружающей средой, обеспечивая визуальные подсказки для автоматического анализа.
По словам исследователей, определение того, какие гены изменены в каждой опухоли, стало жизненно важным с увеличением использования целевых методов лечения, которые работают только против раковых клеток с конкретными мутациями. Например, известно, что около 20 процентов пациентов с аденокарциномой имеют мутации в гене рецептора эпидермального фактора роста или EGFR, которые теперь можно лечить одобренными препаратами.
Но генетические тесты, используемые в настоящее время для подтверждения наличия мутаций, могут занять недели, чтобы получить результаты, говорят авторы исследования.
"Откладывать начало лечения рака никогда не хорошо," говорит старший автор исследования Аристотелис Циригос, Ph.D., доцент кафедры патологии онкологического центра Перлмуттера Нью-Йоркского университета в Лангоне. "Наше исследование предоставляет убедительные доказательства того, что подход ИИ сможет мгновенно определить подтип рака и мутационный профиль, чтобы пациенты быстрее начали таргетную терапию."
Машинное обучение
В текущем исследовании исследовательская группа разработала статистические методы, которые дали их программе возможность "учиться" как научиться лучше справляться с задачей, но не знать, как именно. Такие программы создают правила и математические модели, которые позволяют принимать решения на основе введенных в них примеров данных, при этом программа получает "умнее" по мере роста количества обучающих данных.
Новые подходы к ИИ, вдохновленные сетями нервных клеток в мозгу, используют все более сложные схемы для обработки информации по слоям, при этом каждый шаг передает информацию на следующий и придает большее или меньшее значение каждой части информации на этом пути.
Текущая команда обучила глубокую сверточную нейронную сеть Google Inception v3 для анализа изображений слайдов, полученных из Атласа генома рака, базы данных с изображениями уже установленных диагнозов рака. Это позволило исследователям измерить, насколько хорошо их программа может быть обучена точно и автоматически классифицировать нормальную ткань по сравнению с больной.
Интересно, что исследование показало, что около половины небольшого процента изображений опухоли, неправильно классифицированных программой исследования AI, также были неправильно классифицированы патологами, что подчеркивает сложность различения двух типов рака легких. С другой стороны, 45 из 54 изображений, ошибочно классифицированных по крайней мере одним из патологов в исследовании, были отнесены к правильному типу рака программой машинного обучения, что позволяет предположить, что ИИ может предложить полезное второе мнение.
"В нашем исследовании мы были рады улучшить точность на уровне патолога и показать, что ИИ может обнаруживать ранее неизвестные закономерности в видимых особенностях раковых клеток и тканей вокруг них," говорит соавтор-корреспондент Наргес Разавиан, Ph.D., доцент кафедры радиологии и здоровья населения. "Синергия между данными и вычислительной мощностью создает беспрецедентные возможности для улучшения как практики, так и науки о медицине."
Двигаясь вперед, команда планирует продолжить обучение своей программы искусственного интеллекта с использованием данных до тех пор, пока она не сможет определить, какие гены мутировали в данном раке с точностью более 90 процентов, после чего они начнут запрашивать разрешение правительства на использование технологии в клинических условиях и в других целях. диагностика нескольких видов рака.