Учені розробили спосіб діагностики раку ротової порожнини за допомогою штучного інтелекту

Система штучного інтелекту дозволяє в короткі терміни діагностувати плоскоклітинну карциному порожнини рота з ймовірністю 92%, як повідомляється в новому дослідженні. Швидке і автоматичне визначення даного типу раку необхідно для своєчасного лікування з успішним прогнозом.

«У дослідженні автори наводять спосіб комп'ютерної діагностики та визначення типу злоякісного новоутворення на основі аналізу знімків біопсії тканин карциноми ротової порожнини і здорових тканин», - говорить автор, к.м.н. Липи Маханта з Інституту наук і технологій в м. Гувахаті в Індії.

Сьогодні для клінічної оцінки плоскоклітинної карциноми проводять аналіз епітеліальних тканин ротової порожнини. Даний аналіз займає досить багато часу, оскільки лаборанту відділу патології доводиться давати оцінку кожній відмінності між здоровими клітинами і клітинами раку. В результаті лікування захворювання відкладається на період постановки діагнозу.

У нещодавно проведеній роботі було показано, що комп'ютерні алгоритми дозволяють діагностувати підслизовий фіброз порожнини рота на основі знімків біопсії тканин. Дослідники застосовують різноманітні технології штучного інтелекту з метою створення діагностичних тестів для визначення онкології. За словами авторів, технологія, яка використовується в дослідженні, вперше дозволила провести діагностику плоскоклітинного раку ротової порожнини без оцінки лаборанта або лікаря.

Д-р Маханта використовувала два методи для оцінки знімків біопсії. Перший метод - перенесення навчання за допомогою попередньо навченої зго́рткової нейро́нної мере́жі (ЗНМ, англ. convolutional neural network, CNN, ConvNet) на 4 моделях: Alexnet, VGG-16, VGG-19, Resnet-50. Другий метод - використання попередньої CNN моделі. Потім лаборант відділу патології відзначав області на знімку біопсії, дані були зібрані і розподілені по мітках.

Найбільша точність в класифікації форм раку відзначалася при використанні моделі Resnet-50, проте найкраща характеристика перенесення навчання відзначалася у попередньої моделі CNN, з точністю 97,5%.

Автори не виявили обмежень, які могли б вплинути на результати роботи. На даному етапі вони працюють над перенесенням цього алгоритму в програмне забезпечення, яке можна впровадити в лікарняну комп'ютерну систему для проведення клінічного дослідження.

«Цінність даної роботи в тому, що вперше вдалося використати математичні методи і технологію штучного інтелекту для діагностики найбільш поширеної форми раку ротової порожнини по знімках біопсії», - кажуть автори.