В МГМУ Сеченова обучили нейросеть находить раковые клетки в сосудах на сканах

Специалисты лаборатории цифрового микроскопического анализа МГМУ им.Сеченова совместно с учеными Новгородского государственного университета имени Ярослава Мудрого научили ИИ выявлять в гистологических срезах пациентов с раком легких кровеносные и лимфатические сосуды с опухолевыми клетками. Об этом "Газете.

Ru" рассказали в Сеченовском университете.

Это поможет минимизировать риск ошибки при определении характера метастазирования опухоли и течения заболевания, а также правильно подобрать адекватное лечение.

Рак легкого сегодня – одна из ведущих причин смерти от онкологических заболеваний. Ежегодно врачи выявляют более 2 млн новых случаев. Один из неблагоприятных прогностических факторов при раке легкого – наличие сосудистой инвазии, то есть процесса, при котором опухолевые клетки выходят за пределы первичного очага, прорастают через стенки лимфатических и кровеносных сосудов и начинают распространяться по всему организму.

"Наличие сосудистой инвазии при раке легкого повышает риск возникновения отдаленных метастазов и негативно влияет на общую выживаемость. Если в гистологических срезах обнаружены такие участки, то после операции могут потребоваться дополнительные методы лечения, например, лучевая терапия. Однако поиск таких участков – непростая задача", – объяснила "Газете.Ru" младший научный сотрудник лаборатории цифрового микроскопического анализа Анна Тимакова.

Ученые разметили около 200 сканов микропрепаратов и обучили модель находить сосуды на скан-изображениях гистологических препаратов.

Чувствительность метода уже сейчас составляет 75-80%.

"С помощью нашей разработки можно будет выявлять даже те сосуды, в стенке которых уже есть опухолевые клетки, но они не проросли в его просвет в исследуемом срезе. В профессиональном сообществе пока нет единого мнения о том, нужно ли учитывать такие подозрительные участки при определении дальнейшей тактики лечения. Однако автоматизация их поиска с помощью методов машинного обучения даст специалистам возможность оценить реальную прогностическую значимость таких спорных участков", – отметил заведующий лабораторией Алексей Файзуллин.

Уже до конца этого года ученые представят данные о специфичности и чувствительности метода в рамках внутреннего датасета. А в следующем году модель протестируют на внешних массивах данных и проверят на реальных пациентах.