Томичи научили искусственный разум безошибочно вычислять рак простаты
Ученые Томского госуниверситета (ТГУ) научили компьютер определять злокачественность опухоли простаты с точность 100%; после накопления достаточного объема данных искусственный интеллект может применяться в клинической практике и в перспективе использоваться для диагностики разных онкозаболеваний, сообщила во вторник пресс-служба вуза
ТОМСК, 12 ноя – РИА Томск. Ученые Томского госуниверситета (ТГУ) научили компьютер определять злокачественность опухоли простаты с точность 100%; после накопления достаточного объема данных искусственный интеллект может применяться в клинической практике и в перспективе использоваться для диагностики разных онкозаболеваний, сообщила во вторник пресс-служба вуза. По данным пресс-службы, для диагностики онкозаболеваний специалисты используют гистологию – исследование тканей, взятых у пациента, и отслеживание злокачественных изменений. Образцы в настоящее время исследуются под микроскопом, а заключение врачи принимают коллегиально. Человеческий фактор в отдельных случаях приводит к ошибочным выводам. "Мы попробовали решить эту проблему с помощью IT-технологий – разработали компьютерную модель и посредством машинного обучения научили ее выявлять аномальные участки, используя такой инструмент, как терагерцовая спектроскопия", – приводится комментарий исполнительного директора Института биомедицины ТГУ Юрия Кистенева. Уточняется, что точность диагностики с помощью искусственного интеллекта составила 100%. Терагерцовая спектроскопия позволяет тщательнее изучить образец: на маленьком участке лазер "читает" от 2500 до 4000 точек. Саму компьютерную модель ученые тренировали на образцах здоровой и пораженной ткани, которые предоставил томский НИИ онкологии. "В процессе анализа искусственный интеллект не только выявляет наличие раковых клеток, но и проводит оценку опухоли по шкале Глисона. Она традиционно используется при диагностике рака простаты для определения степени злокачественности процесса (показатели от 1 до 10), что важно с точки зрения прогноза течения болезни", – говорится в сообщении. Отмечается, что по мере накопления данных модель сможет проводить оценку опухоли по всей шкале Глисона, после чего новый инструмент можно внедрять в клиническую практику. Метод может стать универсальным. При наличии достаточного количества обучающего материала (образцов с нормой и патологией) модель можно обучить диагностике других онкозаболеваний. В частности, ее уже опробовали в определении меланомы
