Исследования рака. Исследователи, финансируемые из Великобритании, разработали новую технику, которая помогает специалистам диагностировать пищевод Барретта – предраковое состояние, которое может повысить риск развития рака пищевода.
Исследование, опубликованное сегодня в журнале Nature Medicine, посвящено изучению того, как искусственный интеллект может помочь патологам высвободить время и позволить им сосредоточиться на диагностике самых сложных случаев пищевода Барретта.
Cytosponge – это новый диагностический инструмент, разработанный британскими учеными из Кембриджского университета. Он использует «губку на нитке» для сбора клеток из пищевода, которые затем отправляются в лабораторию для тестирования, где патологи ищут биомаркер, связанный с пищеводом Барретта, TFF3.
Предыдущие исследования показали, что тест Cytosponge-TFF3 может выявить в 10 раз больше людей с пищеводом Барретта, чем текущая помощь терапевта. Однако, если бы этот тест более широко использовался в хирургических кабинетах общей практики и в других местах в рамках NHS, это могло бы повысить спрос на услуги NHS.
Доктор. Марсель Герунг из Кембриджского института онкологических исследований Великобритании, защитил докторскую диссертацию.D. на исследовании и основал дочернюю компанию Cyted с работы. "Основным узким местом для масштабирования Cytosponge для тестирования больших групп пациентов является время, которое требуется патологу для анализа образцов, что требует нескольких трудоемких этапов."
Что такое пищевод Барретта?
Пищевод Барретта может вызывать аномальный рост клеток пищевода, повышая риск рака пищевода. Примерно от 3 до 13% людей с пищеводом Барретта заболевают разновидностью рака пищевода, называемой аденокарциномой пищевода, что в 11 раз чаще, чем у среднего человека.
Считается, что во многих случаях пищевод Барретта остается незамеченным.
Исследователи во главе с доктором. Флориан Марковец из Кембриджского института онкологических исследований, Великобритания, хотел узнать, может ли ИИ облегчить бремя анализа образцов, проложив путь для более частого использования Cytosponge, не перегружая и без того загруженный путь оказания помощи NHS.
Исследователи разработали подход, который применял глубокое обучение (функция ИИ, которая пытается имитировать работу мозга и обрабатывать необработанные данные без контроля человека) к образцам цитопонж, взятым у 2331 пациента, принимавшего участие в клинических испытаниях. Изображения из этих образцов были проанализированы моделью и обучены понимать особенности конкретных клеток, которые указывают на присутствие пищевода Барретта, называемых бокаловидными клетками.
Кодирование партнера патологоанатома
Попытка разработать полностью автоматизированную систему, способную имитировать единую систему патологоанатома "положительный" или "отрицательный" диагноз был сложным. Из образцов, взятых у 2331 пациента, патологоанатомы смогли правильно идентифицировать 82% случаев заболевания пищевода Барретта. Для сравнения, подход AI смог правильно идентифицировать 73% случаев, при этом оба подхода правильно идентифицировали 93% отрицательных случаев.
Вместо этого исследователи под руководством опытных патологов разработали полуавтоматическую систему сортировки. Это означало, что результат для каждого образца был отнесен к одному из восьми различных классов в зависимости от того, насколько четким был диагноз и качество. Образцы, которые считались низкокачественными или более сложными для модели глубокого обучения, были вручную оценены патологоанатомами.
Эта система сортировки оказалась успешной. Применительно к случаям с более четким разрезом (примерно 60% выборок) алгоритм смог выявить 83% случаев.
Исследователи предполагают, что это может снизить рабочую нагрузку на патологов, связанную с цитопонжами, на 57%.
Будущее искусственного интеллекта
Мишель Митчелл, исполнительный директор Cancer Research UK, сказала, что патологи играют ключевую роль в диагностике. "Но, как и многие другие области NHS, на них серьезно повлияла нехватка инвестиций в рабочую силу на протяжении многих лет. Такие исследования, как это, изучение того, как поддержать патологов в их жизненно важной работе с помощью новых технологий и инноваций, имеют жизненно важное значение, равно как и долгосрочные инвестиции и планирование кадровых ресурсов онкологии."
По мере того, как использование и развитие этого инструмента глубокого обучения продолжает развиваться, исследователи полагают, что определение классов сортировки станет еще точнее. Исследователи также говорят, что технология не ограничивается этим единственным заболеванием, и в будущем она потенциально может быть применена к другим состояниям, включая рак поджелудочной железы, щитовидной железы и кишечника.