Искусственные нейронные сети (ИНС) с каждым днем ​​все больше проникают в каждый аспект нашей жизни. Технологии искусственного интеллекта (ИИ) стали неотъемлемой частью промышленности, сельского хозяйства, бизнеса и, конечно же, медицины. Применение ИНС особенно перспективно и имеет решающее значение в борьбе с раком. Почему?

Давайте рассмотрим рак простаты в качестве наглядного примера.

Рак предстательной железы является одним из самых распространенных злокачественных заболеваний у мужчин во всем мире. Рак предстательной железы занимает первое место среди других видов рака в США, Канаде и некоторых странах Европы. Растет и число случаев рака предстательной железы в России. Что еще более важно, уровень смертности от рака простаты также тревожно растет во всем мире. Именно поэтому так важна ранняя и точная диагностика. Это увеличивает шансы на успешное выздоровление, а также обеспечивает более высокое качество жизни после лечения.

При подозрении на рак предстательной железы в первую очередь врач проводит пальцевое ректальное исследование и назначает анализ крови на простатоспецифический антиген. Затем может потребоваться УЗИ и, при необходимости, другие процедуры визуализации, такие как МРТ или биопсия подозрительных образований в железе.

В настоящее время программы на базе ИИ применяются для диагностики различных заболеваний, в том числе рака (в частности, рака предстательной железы). ИНС, разработанные за последние несколько лет, помогают интерпретировать лабораторные тесты и изучать изображения трансректальной ультрасонографии, а также изображения МРТ.

Наша команда в PathVision.ai Corporation разработала ИНС, способную оценивать изменения клеток в образцах ткани предстательной железы. В настоящее время этот вид диагностики является золотым стандартом диагностики рака предстательной железы.

Разработка высокоэффективной ИНС стала возможной благодаря большим данным, полученным в образцах тканей и использованным в глубоком обучении ИИ. Применение данной ИНС в клинической практике позволит в более короткие сроки поставить патологоанатомический диагноз и повысить точность гистодиагностики.

Образцы тканей

Давайте поговорим подробнее об образцах тканей и информации, которую они несут. Образец ткани представляет собой тонкий срез ткани органа. Срез окрашивают, чтобы сделать образец более контрастным. После окрашивания срез изучают под микроскопом.

При раке предстательной железы образец ткани получают с помощью тонкоигольной аспирационной биопсии (FNAB) — метода изучения узловой неоплазии. Метод включает сбор образцов тонкой иглой во время операции или под контролем ультразвукового исследования. При правильной обработке из крошечного кусочка ткани можно сделать несколько срезов. Срезы помещаются на предметное стекло микроскопа и окрашиваются для изучения патологами. По результатам исследования определяется курс лечения: требуется ли пациенту операция, лучевая терапия, гормональная терапия или химиотерапия.

Какую важную информацию могут раскрыть образцы тканей? После окрашивания различные участки ткани и даже части клеток приобретают характерную окраску. Больший контраст делает их более заметными для тестов, а значит, врачи могут различать мышечные и жировые клетки, оценивать их дифференцировку и выявлять специфические особенности тканей, присущие определенным заболеваниям. Иногда также можно измерить продолжительность патологических изменений и определить, является ли это воспалением, атрофией (уменьшением размеров и потерей функции ткани) или злокачественным перерождением. Каждая часть образца ткани несет информацию, которую может оценить патолог или ИНС.

Однако перед оценкой образца ткани с помощью ИИ нам необходимо оцифровать его с помощью специального сканера (специального оптического микроскопа, который делает изображения срезов с высоким разрешением и сохраняет их).

Система оценок Глисона имеет наибольшую прогностическую ценность при лечении рака предстательной железы. Если патологоанатом обнаруживает хорошо дифференцированную опухоль, содержащую наименее потенциально агрессивные клетки, ее оценивают по шкале Глисона 1. Напротив, если полностью деградировавшая опухоль содержит плохо дифференцированные клетки (опухоль с наиболее злокачественными клетками, которые будут быстро распространяться), патологоанатом присвоит ей 5 баллов по шкале Глисона. Пациент с 1 баллом по шкале Глисона имеет больше шансов на выживание, чем пациент с 5 баллами по Глисону. Конечно, тактика лечения у этих двух пациентов будет кардинально различаться.

Однако иногда специалисты расходятся во мнениях: один патологоанатом может дать опухоли 2 балла по Глисону, а другой считает, что это 4 балла по Глисону. Это означает, что на диагноз сильно влияют человеческие факторы (то есть опыт врача, эмоции и другие индивидуальные аспекты). . Кроме того, гистодиагностика очень сложна и требует много времени. Разработанная нами ИНС предназначена для снижения риска ошибки при оценке образцов тканей, а также времени, необходимого для получения результатов.

Патологоанатом с компьютерным зрением?

Сверточные нейронные сети оказались наиболее эффективными в медицинском компьютерном зрении среди других сетей, разработанных за последние годы. Сверточная нейронная сеть состоит из входных нейронов для сбора информации, выходных нейронов для доставки результатов вычислений и нескольких скрытых слоев, которые выполняют остальную работу. Разработанная нами нейронная сеть основана на алгоритме глубокого обучения SkipNet, в результате чего базовая модель ResNet имеет 34 сверточных слоя. Динамическая маршрутизация позволяет сократить объем вычислений, сохраняя при этом такой же высокий уровень точности. См. рисунок ниже, чтобы понять, как работает ResNet.

Наша нейронная сеть работает на инструменте предварительного обучения ImageNet. Это самый обширный набор данных, состоящий из тонн данных, относящихся к 22 тысячам категорий. После первоначального обучения сеть завершила трехэтапную программу обучения, основанную на обучении, проверке и тестировании наборов данных. Одним из преимуществ разработанной нами нейронной сети является то, что она обучена не только классифицировать образцы тканей по шкале Глисона, но и выявлять ряд других состояний предстательной железы, таких как хроническое воспаление, атрофия железы и предстательная железа. -раковые изменения (предстательная интраэпителиальная неоплазия).

Картирование изображений — один из основных методов анализа медицинских изображений с применением компьютерных технологий. В первую очередь патологоанатом должен изучить оцифрованные изображения образцов тканей и нанести на карту участки с определенными аномалиями в простате, уточнив их вид и какое заболевание присуще данной патологии. Эксперты просматривают результаты и загружают их в нейросеть для ее дальнейшего обучения. Нейронная сеть, способная самостоятельно картировать области интереса (области в образцах тканей, которые показывают патологические изменения и требуют особого медицинского внимания) без участия человека, сэкономит драгоценное время патологоанатомов и гарантирует, что ни одна область не будет упущена из-за человеческой ошибки. Таким образом, когда врач использует нейронную сеть в качестве вспомогательного средства, при гистодиагностике ни одна область не упускается из виду, что приводит к гораздо более высокой точности диагностики.

Мы использовали расширенные и разнообразные наборы данных при разработке нашей нейронной сети, так что теперь она может анализировать образцы тканей и различать различные типы рака простаты, а также обнаруживать воспаление и атрофию железы. Эксперты-патологи тщательно изучили каждый результат сопоставления изображений тестовых слайдов из наборов данных, предоставленных нейронной сетью. Предварительные цифры показывают, что коэффициент консистентности (уровень соответствия между ИНС и врачом) достаточно высок: κ=0,813, что означает, что в большинстве случаев нейронная сеть правильно картировала патологию в образцах тканей, а результаты картирования совпали с мнением экспертов.

Результаты предварительного исследования весьма оптимистичны. Они доказывают, что наша нейронная сеть является перспективным инструментом для оценки образцов тканей в реальной клинической гистологической практике. Однако работа еще не закончена.

Следует отметить, что в настоящее время исследование основано на архивных образцах тканей, а это означает, что результаты, полученные с помощью ИНС, не влияют на тактику лечения и здоровье реальных пациентов. Мы выбрали такой подход по этическим соображениям: программное обеспечение требует ряда дополнительных исследований перед внедрением в реальную практику. Мы наметили несколько проектов, которые позволят нам улучшить нейросеть и сделать так, чтобы продукт был достоин внимания индустрии здравоохранения, т.е. действительно способен повысить качество медицинской помощи.

Многие пытаются, PathVision понимает

Это правда, что другие компании также занимаются разработкой и обучением ИНС, предназначенных для анализа структуры простаты. Другое программное обеспечение немного отличается от того, что мы разработали, а результаты опубликованных исследований выглядят интересно.

Однако наша нейронная сеть имеет ряд существенных преимуществ.

Как мы упоминали ранее, наша нейронная сеть была обучена на большом количестве данных, чтобы повысить точность результатов, получаемых в реальной клинической практике. Использование сети позволит патологоанатомам проводить гистодиагностику за более короткий период времени, поскольку сеть способна предварительно отображать области интереса в образцах тканей. Однако самое главное, что эта нейросеть подходит для применения не только в более крупных больницах, но и в любых медицинских центрах. Нейронная сеть PathVision совместима с различными гистологическими сканерами и компьютерами. Он даже поставляется с веб-интерфейсом! Такая универсальная совместимость возможна благодаря методу аугментации (позволяющему переворачивать изображение по вертикали и горизонтали, снижению качества изображения за счет сжатия JPEG, адаптивной яркости, добавлению шума и другим функциям), который является частью алгоритма. Другими словами, использование техники аугментации делает нашу нейронную сеть менее требовательной к качеству изображения.

Исследования нейронной сети PathVision внесут большой вклад в изучение роли ИИ в медицинской визуализации. Это приблизит нас к созданию кода, который можно будет применять в реальных клинических условиях. Мы продолжаем наше исследование, так как считаем, что PathVision — очень перспективный и реалистичный проект, который действительно может улучшить качество медицинской помощи и помочь врачам в борьбе с раком простаты.

Примечание простым языком

А вы знали, что у нас четыре публикации и канал на YouTube? Вы можете найти все это на нашей домашней странице plainenglish.io — проявите свою любовь, подписавшись на наши публикации и подписавшись на наш канал YouTube!