15:00 
Исследователи факультета информационных технологий Университета Ювяскюля использовали искусственный интеллект, чтобы ускорить анализ образцов колоректального рака и предсказать функционирование механизма восстановления ДНК клеток. Анализ модели искусственного интеллекта может помочь сократить время диагностики, снизить затраты и повысить точность анализа. Исследование проводилось в сотрудничестве с регионом благосостояния Центральной Финляндии и софинансируется Европейским Союзом.
Согласно исследованию, проведенному в Университете Ювяскюля, искусственный интеллект позволяет более эффективно анализировать образцы тканей, взятых из опухолей колоректального рака, и помогает прогнозировать работу механизмов восстановления клеточной ДНК.
Собственный механизм исправления ошибок клетки, так называемый механизм MMR, исправляет небольшие ошибки, возникающие во время репликации ДНК. Если этот механизм не работает должным образом, это может повлиять как на развитие рака, так и на решения о лечении.
Лииза Петяйнен, возглавлявшая исследование в Университете Ювяскюля, объясняет, что анализ образцов тканей — рутинная, но трудоемкая работа.
Анализ образца рака в патологоанатомической лаборатории (например, в отношении механизма MMR) может занять несколько дней, тогда как искусственный интеллект может сократить время анализа до минут».
Лийза Петайнен, Университет Ювяскюля
Более быстрый анализ может привести к экономии средств и сократить время, необходимое пациенту для постановки диагноза и доступа к лечению. В то же время это освободит время патологоанатомов для других задач.
Ткани, окружающие опухоль, также содержат важную информацию для лечения
Анализ образцов рака в настоящее время основан на оценках патологоанатомов, что делает этот процесс очень ручным и трудоемким. По словам Петайнена, именно в этом может помочь искусственный интеллект.
Обычно анализ проводится с использованием двадцатикратного увеличения образца ткани, но исследователи также протестировали анализ с помощью искусственного интеллекта, используя значительно более широкое пятикратное увеличение.
Исследователи сообщили, что модель также показала достаточно хорошие результаты в этом масштабе, что в будущем образцы тканей можно будет анализировать за один этап, используя искусственный интеллект. Образец ткани, а не только область опухоли, ускорит скрининг, поскольку область опухоли больше не нужно будет предварительно идентифицировать отдельно на изображении.
Исследование также предполагает, что особенности тканей, окружающих опухоль, могут помочь предсказать функцию механизма восстановления, поэтому анализ всего образца может еще больше повысить точность анализа.
Модель искусственного интеллекта была обучена на данных пациентов из финского биобанка
Исследование проводилось совместно с патологами и экспертами по колоректальному раку из Центрального центра. Биобанк Финляндии и округ Службы здравоохранения Центральной Финляндии. Набор данных состоял примерно из 1300 пациентов с колоректальным раком из Центральной Финляндии. Модель также была протестирована с использованием данных Университетской больницы Оулу и США.
Тиина Йокела объясняет, что в Финляндии есть высококачественные биобанки, регистры и единая система здравоохранения, которые позволяют проводить исследования на высоком уровне и быстрее внедрять результаты.
"Центральная Финляндия предлагает хорошую пилотную среду для проведения исследований и клинической работы. могут гибко сотрудничать», — говорит Йокела. «Центральная больница Нова в Центральной Финляндии предоставляет клинические данные и практические требования для исследования, а JYU предоставляет свой опыт в области искусственного интеллекта и анализа данных».
По мнению исследователей, новые методы должны быть проверены с использованием более крупных наборов данных, как это также было сделано в этом исследовании.
Исследование является частью проекта Центральной Финляндии AI-Hub II, который финансируется совместно с Европейским Союзом. Исследование проводилось в сотрудничестве с Университетом Ювяскюля, Биобанком Центральной Финляндии и Управлением здравоохранения Центральной Финляндии. Исследование также финансировалось Региональным советом Центральной Финляндии.
Модель была обучена с использованием данных проекта «Колоректальный рак в Центральной Финляндии» в 2000–2015 годах.
