Когда пациент подвергается хирургической операции по удалению опухоли или лечению заболевания, ход операции часто не предопределен. Чтобы решить, сколько ткани необходимо удалить, хирурги должны больше знать о состоянии, которое они лечат, включая границы опухоли, ее стадию и 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 патоморфологу для исследования, важны как скорость, так и точность. Текущий золотой стандарт исследования тканей часто занимает слишком много времени, а более быстрый подход, включающий замораживание тканей, может привести к появлению артефактов, которые могут усложнить диагностику.
Новое исследование, проведенное исследователями из лаборатории Махмуда в больнице Brigham and Women’s Hospital, одним из основателей системы здравоохранения Mass General Brigham и сотрудниками из Университета Богазичи, разработало лучший способ; метод использует искусственный интеллект для перевода между замороженными срезами и подходом золотого стандарта, улучшая качество изображений для повышения точности быстрой диагностики. Результаты опубликованы в журнале Nature Biomedical Engineering.
«Мы используем возможности искусственного интеллекта для решения вековой проблемы на стыке хирургии и патологии», — сказал автор-корреспондент Фейсал Махмуд, доктор философии, из отдела вычислительной патологии в BWH. «Постановка быстрого диагноза по образцам замороженных тканей является сложной задачей и требует специальной подготовки, но такой диагноз является важным шагом в уходе за пациентами во время операции».
Для постановки окончательного диагноза патологоанатомы используют образцы тканей, фиксированные формалином и залитые парафином (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 криосрез, который включает быстрое замораживание ткани, разрезание срезов и наблюдение за этими тонкими срезами под микроскопом. Криосекция занимает минуты, а не часы, но может исказить клеточные детали и повредить или разорвать нежную ткань.
Mahmood и соавторы разработали модель глубокого обучения, которую можно использовать для перевода между замороженными срезами и более часто используемой тканью FFPE . В своей статье команда продемонстрировала, что этот метод можно использовать для подтипирования различных видов рака, включая глиому и немелкоклеточный рак легкого.
Команда подтвердила свои выводы, наняв патологоанатомов для участия в исследовании, в котором их попросили поставить диагноз на основе изображений, полученных с помощью метода искусственного интеллекта, и традиционных изображений криосрезов. Метод ИИ не только улучшил качество изображения, но и повысил точность диагностики среди экспертов. Алгоритм также был протестирован на независимо собранных данных из Турции.
Авторы отмечают, что в будущем следует провести проспективные клинические исследования для проверки метода ИИ и определения того, может ли он способствовать точности диагностики и принятию хирургических решений в условиях реальной больницы.
«Наша работа показывает, что искусственный интеллект может упростить и сделать срочную и важную диагностику более легкой и доступной для патологоанатомов», — сказал Махмуд. «И это потенциально может быть применено к любому типу хирургии рака. Это открывает много возможностей для улучшения диагностики и ухода за пациентами».
