Создана нейросеть для распознавания гистологии аденокарциномы легких

Команда американских исследователей применила машинное обучение, создав глубокую нейронную сеть для классификации одного из наиболее опасных злокачественных образований легких — аденокарциномы. Результаты работы представлены на страницах журнала Scientific Reports.

Аденокарцинома представляет собой злокачественное поражение эпителиальных тканей, приводящее к дифференциации клеток в железы секреции. На сегодня разработана сложная система классификации аденокарциномы по гистологическим паттернам, что требует хирургического вмешательства и анализа образца под микроскопом. Правильное определение особенностей развития ткани осложняется тем, что около 80% случаев аденокарциномы содержат смешанные гистологические характеристики. В результате классификация остается субъективной задачей, так как основывается только на заключении врача.

«Наше исследование наглядно иллюстрирует, что машинное обучение может достигать высокого уровня точности при решении таких задач, как классификация сложных гистологических снимков, — говорит автор работы Саид Хассанпур, доктор биомедицинской информатики, доцент кафедры биомедицинских данных и эпидемиологии Дартмутского онкологического центра Норриса Коттона. — Клиническое внедрение нашей системы поможет патологам безошибочно определять разновидности аденокарциномы легкого».

Глубокие сверточные нейронные сети нацелены на эффективное распределение образов. Для этого каждый нейрон сети получает в свое распоряжение маленький участок картины, преобразуя его таким образом, чтобы обнаружить элементы, важные для принятия решения. Такие сети эффективно распознают объекты вне зависимости от их масштаба, что позволяет выявлять даже крохотные очаги. Каждое изображение проходит несколько слоев нелинейной обработки. Взвешивая пропорции опознанных характеристик гистологического снимка, машина выносит решение о разновидности аденокарциномы.

Нейронную сеть обучили и испытали на 422 изображениях. Сравнивая диагнозы сети и трех практикующих патологов, ученые оценили эффективность работы алгоритма. Единогласие между врачами происходило только в 66,6% случаев, нейронная же сеть оказывалась права с частотой, варьирующей от 60 до 70% в зависимости от степени сложности картины. Таким образом, сеть продемонстрировала уровень достоверности не меньший, а в отдельных случаях даже больший, чем опытные медицинские работники.

В дальнейшие планы исследовательской группы входит разработка программ для классификации рака молочной железы, пищевода и слизистой оболочки толстого кишечника.

«Если клинические испытания подтвердят успешность математической модели, ее внедрение в медицинскую практику позволит обрабатывать результаты гистологического анализа менее чем за одну минуту. Это поможет классифицировать пациентов еще до обследования у лечащего врача», — утверждает Хассанпур.