Революция в диагностиката на рака: AI побеждава патологията!

Революция в диагностиката на рака: AI побеждава патологията!

Значителен проект за сътрудничество между университетската болница Ерланген (UKER) и болницата Гравина в Калтаджироне, Италия, има за цел да интегрира изкуствения интелект (AI) в клиничната диагностика в патологията. Силно FAU Резултатите са публикувани в списание Genome Medicine. С над 1,4 милиона случая на рак в Германия всяка година, тъканните изследвания след отстраняване на тумора играят решаваща роля. Тук влизат в действие AI алгоритмите, които могат да помогнат на патолозите да идентифицират видове рак и да оценят тъканни проби.

Използването на AI в патологията в момента се оказва ограничено, тъй като много изследвания се извършват с помощта на микроскоп. Болница Гравина обаче направи крачка в бъдещето и рутинно дигитализира всички тъканни срезове. Тази мярка подобрява наличността на цифрови данни и позволява разработването на метод за автоматично интегриране на AI анализа в работните процеси на патологичните лаборатории.

Дигитализация и AI в патологията

По време на диагностиката тъканните проби се обработват в изключително фини срезове и се дигитализират. След това анализът се извършва на монитора на компютъра, като AI анализът се активира автоматично веднага щом бъдат получени нови сканирания в лабораторната информационна система (LIS). Патолозите също имат възможност да поискат анализи „при поискване“. Резултатите се визуализират като топлинни карти в LIS, подчертавайки раковите региони. Целта на проекта е да подобри точността на алгоритмите и да насърчи интегрирането на модели за задълбочено обучение в други отделения по патология.

Технологичните иновации значително ускоряват диагностицирането на рака, особено чрез дигитализация на хистопатологични срезове и използване на дълбоко обучение. Анализ подчертава предизвикателствата и възможностите, свързани с тези развития. Използването на дълбоки невронни мрежи (задълбочено обучение) има потенциала да подобри диагностичната точност и да намали процента на грешка при диагностицирането на рак. Например двуетапен модел на дълбоко обучение за класифициране на рак на простатата се цитира като постигнал точност от 0,7 в сравнение с 0,61 за човешки патолози.

Ролята на GNN в цифровата патология

Особено внимание заслужава разработването на графични невронни мрежи (GNN), които се оказват обещаваща алтернатива за извличане на характеристики и интерпретируемост в цифровата патология. Тези мрежи моделират връзките между обектите и вече са намерили успешни приложения в различни области, включително прогнозиране на молекулни свойства. Изследванията показват, че GNN могат да постигнат 97% точност при класифициране на колоректален рак, което подчертава тяхното превъзходство в сравнение с традиционните подходи.

Прилагането на AI в патологията е не само техническо предизвикателство, но и необходимост. Като се има предвид нарастващият брой случаи на рак, намаляващият брой патолози и нарастващият брой случаи, има спешна нужда от автоматизирана интерпретация на дигитализирани патологични изображения. Fraunhofer IKS подчертава, че AI може бързо да комбинира и анализира големи количества данни, което може да доведе до индивидуализирана терапия и ранна диагностика на заболяването.

Като цяло, това показва, че комбинацията от дигитализация и AI не само подобрява ефективността и точността в патологията, но също така може да доведе до иновативни подходи в диагностиката на рака.