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 Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США одобрило программное обеспечение, которое позволяет патологам просматривать слайды биопсии в цифровом виде для постановки диагноза, а не просматривать ткани под микроскопом.«Если сеть сможет определить, какие пациенты болеют раком, а какие нет, эта технология может служить сортировкой патологов, освобождая их время, чтобы сосредоточиться на больных раком», — сказал Анант Мадабуши, профессор II биомедицинской инженерии Ф. Алекса Насона.
Кейс Вестерн Резерв и соавтор исследования, подробно описывающего сетевой подход, опубликованного в Scientific Reports.ИзучениеЧтобы обучить сеть глубокого обучения, исследователи загрузили 400 изображений биопсии из нескольких больниц.
Размер каждого слайда составлял приблизительно 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 Университетской больницы Кливленда. Сеть набрала 100 процентов за определение наличия или отсутствия рака на целых слайдах и почти столько же за пиксель.«Сеть действительно хорошо выявляла раковые заболевания, но потребуется время, чтобы получить до 20 лет практики и обучение патолога для выявления сложных случаев и имитаторов, таких как аденоз», — сказал Мадабхуши, который также руководит Центром Компьютерная визуализация и индивидуальная диагностика 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 проводить менее чем за минуту на каждом слайде.«Чтобы представить это в перспективе, — сказал Мадабхуши, — 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 войти в лабораторию. офис утром ".
