С 1928 года способ оценки и классификации характеристик рака груди практически не изменился. Делается вручную, под микроскопом. Патологоанатомы исследуют опухоли визуально и оценивают их по шкале, впервые разработанной восемь десятилетий назад. Эти баллы помогают врачам оценить тип и тяжесть рака и, соответственно, рассчитать прогноз пациента и курс лечения.
В статье, которая будет опубликована в ноябре. 9 человек в области трансляционной медицины, специалисты по информатике из Стэнфордской инженерной школы и патологи из Стэнфордской медицинской школы сообщают о своем сотрудничестве по обучению компьютеров анализу микроскопических изображений рака груди. Компьютерный анализ был более точным, чем тот, который проводил человек.
Их модель называется Computational Pathologist или C-Path, основанный на машинном обучении метод автоматического анализа изображений раковых тканей и прогнозирования выживаемости пациентов.
Для обучения C-Path исследователи использовали существующие образцы тканей, взятые у пациентов, прогноз которых был известен. Компьютеры изучали изображения, измеряли различные опухолевые структуры и пытались использовать эти структуры для прогнозирования выживаемости пациентов. Сравнивая результаты с известными данными, компьютеры адаптировали свои модели, чтобы лучше прогнозировать выживаемость, и постепенно выясняли, какие особенности рака имеют наибольшее значение, а какие менее важны для прогнозирования выживаемости.
"По сути, компьютер учится," сказала Дафна Коллер, доктор философии, профессор компьютерных наук и старший автор статьи.
Медицинская наука уже давно использует три особенности для оценки клеток рака груди ?? какой процент опухоли состоит из трубчатых клеток, разнообразие ядер в самых удаленных (эпителиальных) клетках опухоли и частота, с которой эти клетки делятся (процесс, известный как митоз). Эти три фактора оцениваются визуально под микроскопом и оцениваются качественно, чтобы разделить пациентов с раком груди на три группы, которые позволяют прогнозировать выживаемость.
"Патологи были обучены изучать и оценивать определенные клеточные структуры известной клинической важности, которые включаются в оценку. Однако опухоли содержат бесчисленное множество дополнительных признаков, клиническое значение которых ранее не оценивалось," сказал Эндрю Бек, доктор медицины, докторант биомедицинской информатики и первый автор статьи.
"Компьютер устраняет эту предвзятость и рассматривает тысячи факторов, чтобы определить, какие из них наиболее важны для прогнозирования выживаемости," сказал Коллер.
C-Path, по сути, оценивает 6 642 клеточных фактора. После обучения на одной группе пациентов C-Path попросили оценить ткани онкологических больных, которых он раньше не проверял, и результат сравнили с известными данными. В конечном итоге C-Path дала результаты, которые были статистически значимым улучшением по сравнению с оценкой, проводимой человеком.
Более того, компьютеры определили структурные особенности рака, которые имеют такое же или большее значение, чем те, на которых патологоанатомы традиционно сосредотачивались. Фактически, они обнаружили, что характеристики раковых клеток и окружающих клеток, известных как строма, были важны для прогнозирования выживаемости пациентов.
"Мы построили модель на основе особенностей стромы ?? микросреда между раковыми клетками ?? это был более сильный предиктор результата, чем тот, который строился исключительно на характеристиках эпителиальных клеток," сказал Бек. "Модель стромы была такой же предсказательной, как и модель, построенная на основе стромальных и эпителиальных особенностей."
В конце концов, результаты Стэнфордского университета добавляют веса тому, что многие ученые обсуждали в течение некоторого времени: рак – это "экосистема," и что клинически значимая информация может быть получена путем тщательного анализа всего микросреды опухоли.
"Благодаря машинному обучению мы начинаем думать о раке более целостно, как о сложной системе, а не как о группе плохих клеток в опухоли," сказал Мэтт ван де Рейн, доктор медицинских наук, профессор патологии и соавтор исследования. "Компьютеры указывают нам на то, что важно, а не наоборот."
Ван де Рейн не видит, что компьютеры заменят патологоанатомов. "Мы смотрим в будущее, в котором компьютеры и люди будут сотрудничать, чтобы улучшить результаты для пациентов во всем мире," он сказал.
Исследователи заявили, что влияние работы Стэнфорда будет ощущаться в широком и индивидуальном плане. В самом широком смысле, наличие компьютеров, которые могут оценивать рак, принесет патологию мирового класса в районы с недостаточным уровнем обслуживания, где обученных специалистов традиционно не хватало, улучшая прогноз и лечение рака груди для миллионов в развивающихся регионах мира.
На личном уровне машинное обучение может уменьшить вариативность результатов. C-Path может повысить точность прогнозов для всех жертв рака груди. Это также может улучшить скрининг предраковых клеток, что может помочь многим женщинам полностью избежать рака. Его можно даже применять для прогнозирования эффективности различных форм лечения и медикаментозной терапии.
"Если мы можем научить компьютеры смотреть на образец опухолевой ткани и прогнозировать выживаемость, почему бы не научить их предсказывать на основе того же образца, какие курсы лечения или лекарства для данного пациента могут лучше всего подействовать?? Или даже посмотреть на образцы незлокачественных клеток, чтобы предсказать, станут ли эти доброкачественные ткани злокачественными," сказал Коллер. "Это персонализированная медицина."