В настоящее время аденокарцинома легкого требует визуального осмотра патологом слайдов после лобэктомии для определения структуры и подтипов опухоли. Эта классификация играет важную роль в прогнозе и назначении лечения рака легких, однако является сложной и субъективной задачей. Используя последние достижения в области машинного обучения, команда под руководством доктора философии Саида Хассанпура разработала глубокую нейронную сеть для классификации различных типов аденокарциномы легких на гистопатологических слайдах и обнаружила, что модель работает наравне с тремя практикующими патологами.
«Наше исследование демонстрирует, что машинное обучение может обеспечить высокую производительность при решении сложной задачи классификации изображений и может быть полезным для лечения рака легких», – говорит Хассанпур. «Клиническое внедрение нашей системы может помочь патологам в точной классификации подтипов рака легких, что имеет решающее значение для прогноза и лечения."
Выводы команды: «Классификация гистологических паттернов на предметных стеклах резецированной аденокарциномы легкого с помощью глубоких нейронных сетей на уровне патолога» недавно опубликованы в Scientific Reports. Признавая, что этот подход потенциально применим к другим задачам анализа изображений гистопатологии, команда Хассанпура сделала свой код общедоступным, чтобы способствовать новым исследованиям и сотрудничеству в этой области.
Помимо тестирования модели глубокого обучения в клинических условиях, чтобы проверить ее способность улучшать классификацию рака легких, команда планирует применить этот метод к другим сложным задачам анализа гистопатологических изображений при раке груди, пищевода и колоректального рака. «Если наша модель нейронной сети будет подтверждена в ходе клинических испытаний, она потенциально может быть внедрена в клиническую практику в помощь патологам», – говорит Хассанпур. «Наш метод машинного обучения также является быстрым и может обрабатывать слайды менее чем за одну минуту, поэтому он может помочь в сортировке пациентов перед осмотром врачей и потенциально значительно помочь патологам в визуальном осмотре слайдов."