Когда пациенту предстоит хирургическая операция по удалению опухоли или лечению заболевания, ход операции часто не предопределен. Чтобы решить, какой объем ткани необходимо удалить, хирург должен знать больше о состоянии, которое он лечит, включая края опухоли, ее стадию и то, является ли поражение злокачественным или доброкачественным — определения, которые часто зависят от сбора, анализа и диагностики заболевания, пока пациент находится на операционном столе.
Когда хирурги отправляют образцы на исследование патологоанатому, важны и скорость, и точность. Современный стандартный подход к исследованию тканей часто занимает слишком много времени, а более быстрый подход, включающий замораживание тканей, может привести к появлению артефактов, которые могут осложнить диагностику.
В новом исследовании, проведенном учеными из лаборатории Махмуда в Женской больнице Бригама, которая является одним из основателей системы здравоохранения Mass General Brigham, и сотрудниками Университета Богазичи, был разработан лучший способ; метод использует искусственный интеллект для перевода между замороженными срезами и стандартным подходом, улучшая качество изображений для повышения точности быстрой диагностики. Результаты исследования опубликованы в журнале Nature Biomedical Engineering.
«Мы используем возможности искусственного интеллекта для решения извечной проблемы на стыке хирургии и патологии», — сказал автор исследования Фейсал Махмуд, доктор философии, сотрудник отдела вычислительной патологии BWH. «Постановка быстрого диагноза по замороженным образцам тканей является сложной задачей и требует специальной подготовки, но такая диагностика является важнейшим шагом в уходе за пациентами во время операции».
Для постановки окончательного диагноза патологоанатомы используют образцы тканей, фиксированные в формалине и парафинированные (FFPE) — этот метод позволяет сохранить ткани таким образом, чтобы получить высококачественные изображения, но этот процесс трудоемок и обычно занимает от 12 до 48 часов. Для быстрой диагностики патологоанатомы используют подход, известный как криосекционирование, который включает быстрое замораживание ткани, вырезание срезов и наблюдение этих тонких срезов под микроскопом. Криосекция занимает минуты, а не часы, но может исказить клеточные детали, повредить или разорвать нежную ткань.
Махмуд и соавторы разработали модель глубокого обучения, которая может быть использована для перевода между замороженными срезами и более распространенными тканями FFPE. В своей работе группа продемонстрировала, что этот метод может быть использован для подтипирования различных видов рака, включая глиому и немелкоклеточный рак легких.
Команда подтвердила свои выводы, привлекая патологоанатомов к исследованию, в котором их просили поставить диагноз по изображениям, прошедшим через метод ИИ, и традиционным изображениям криосекций. Метод ИИ не только улучшил качество изображений, но и повысил точность диагностики среди экспертов. Алгоритм также был протестирован на независимо собранных данных из Турции.
Авторы отмечают, что в будущем необходимо провести проспективные клинические исследования для проверки метода ИИ и определить, может ли он способствовать повышению точности диагностики и принятию хирургических решений в реальных больничных условиях.
«Наша работа показывает, что ИИ имеет потенциал для того, чтобы сделать критическую диагностику, требующую времени, более простой и доступной для патологоанатомов», — сказал Махмуд. «И это потенциально может быть применено к любому типу онкологической хирургии. Это открывает множество возможностей для улучшения диагностики и ухода за пациентами».
Вот недавно на работе много интересного про фундаментные блоки ФБС на https://ckms-gbi.ru узнал и почитал. Думаю и вам стоит на все это посмотреть своими глазами. Это очень интересно.