Компьютерная сеть с глубоким обучением, разработанная в результате исследований, проводимых Университетом Кейс Вестерн Резерв, со 100-процентной точностью определяла, присутствовали ли инвазивные формы рака груди на целых слайдах биопсии.
Если присмотреться, сеть правильно сделала одно и то же определение в каждом отдельном пикселе слайда в 97% случаев, отображая почти точные очертания опухолей.
По сравнению с анализами четырех патологов, машина была более последовательной и точной, во многих случаях улучшая их очертания.
Исследователи говорят, что в области, где время и точность могут иметь решающее значение для долгосрочного прогноза пациента, исследование является шагом к автоматизации части анализа биопсии и повышению эффективности процесса.
В настоящее время рак присутствует в каждой десятой биопсии, назначенной врачами, но все они должны быть проанализированы патологами, чтобы определить степень и объем заболевания, определить, распространилось ли оно и есть ли у пациента агрессивный или вялотекущий рак и нуждается ли он в химиотерапии или химиотерапии. менее радикальное лечение.
В прошлом месяце U.S. Программное обеспечение, одобренное Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов, позволяющее патологоанатомам просматривать слайды биопсии в цифровом виде для постановки диагноза, а не просматривать ткани под микроскопом.
"Если сеть сможет определить, у каких пациентов есть рак, а у каких нет, эта технология может служить сортировкой для патологоанатомов, освобождая их время, чтобы сосредоточиться на больных раком," сказал Анант Мадабуши, Ф. Алекс Нейсон, профессор биомедицинской инженерии II в Case Western Reserve и соавтор исследования, подробно описывающего сетевой подход, опубликованного в Scientific Reports.
Изучение
Чтобы обучить сеть глубокого обучения, исследователи загрузили 400 изображений биопсии из нескольких больниц. Размер каждого слайда составлял примерно 50 000 x 50 000 пикселей. Компьютер просматривал или исправлял несоответствия различных сканеров, процессов окрашивания и протоколов, используемых каждым участком, для выявления признаков рака по сравнению с остальной тканью.
Затем исследователи представили сети 200 изображений из Атласа генома рака и Медицинского центра Кливлендской больницы университетских больниц. Сеть набрала 100 процентов при определении наличия или отсутствия рака на целых слайдах и почти столько же на пиксель.
"Сеть действительно хорошо выявляла раковые заболевания, но потребуется время, чтобы получить до 20 лет практики и обучение патолога для выявления сложных случаев и имитаций, таких как аденоз," сказал Мадабхуши, который также руководит Центром компьютерной визуализации и персонализированной диагностики в Case Western Reserve.
Обучение сети заняло около двух недель, а определение наличия и точного местоположения рака на 200 слайдах заняло от 20 до 25 минут каждый.
Это было сделано два года назад. Мадабхуши подозревает, что обучение сейчас – с новой компьютерной архитектурой – займет меньше дня, а выявление рака и его определение можно будет сделать менее чем за минуту на слайд.
"Чтобы представить это в перспективе," Мадабхуши сказал, "машина может проводить анализ в нерабочее время, возможно, проводить анализ в ночное время и предоставлять результаты, готовые для просмотра патологоанатомом, когда он / она должны были прийти в офис утром."