Дел од здравото ткиво што се отстранува заедно со туморот е важен индикатор за успехот на операцијата и петгодишното преживување на пациентите. За време на постапката, онколошките хирурзи се потпираат на брза, интраоперативна анализа на примероците извршена од патолог. Сепак, поради честото продирање на туморите во околното ткиво, исклучително е тешко да се одреди точно каде да се сече.
Научниците од Институтот „Руѓер Бошковиќ“ (RBI), во соработка со меѓународни партнери и домашни болници, развија метод на компјутерска патологија кој, користејќи посебен вид снимање на хистопатолошки препарати, овозможува попрецизно одредување на границите на туморот.
Истражувањето траеше осум години
Истражувањето траеше осум години, а успехот на методот беше демонстриран на примерот на метастази на рак на дебело црево во црниот дроб.
Тимот предводен од д-р сц. Ивица Коприва од Лабораторијата за машинско учење и претставување на знаење при IRB, во соработка со компанијата Photon etc од Канада, патолози од Клиничката болница Дубрава и Клиничкиот болнички центар во Загреб, како и соработници од Одделот за молекуларна медицина при IRB и Техничкиот универзитет во Минхен, Германија, разви метод за компјутерска анализа на хиперспектрални слики од хистопатолошки препарати.
Повеќе од 96 проценти точност
Овој метод овозможува прецизно одредување на границите на туморското ткиво на ракот на дебелото црево метастазиран во црниот дроб. Системот ги разликува туморските клетки од здравите клетки на ниво на пиксел со повеќе од 96 проценти точност. За разлика од конвенционалните методи на вештачка интелигенција, овој алгоритам бара само околу 1 процент рачно обележани податоци
од страна на патологот.
„За разлика од конвенционалните машински и методите на длабоко учење, развиениот алгоритам за сегментација базиран на Грасманови многуобразија работи во полурандомизиран режим и бара само 1 процент обележани податоци од страна на патологот“, објаснува д-р Ивица Коприва.
Детално снимање на примероци од ткиво
Методите на компјутерска патологија традиционално се потпираат на RGB (во боја) слики од хистопатолошки препарати, што значи дека тие користат само информации видливи за човечкото око. Ова губи голем дел од податоците што се надвор од видливиот спектар. Затоа се повеќе се користи хиперспектрално снимање, технологија што открива многу поширок опсег на информации и отвора нови можности во медицината.
Процесот на подготовка на хистопатолошки препарати може да доведе до разлики во квалитетот на снимените слики. Кај класичните слики во боја, постојат алгоритми што ги ублажуваат овие разлики, но за хиперспектралните слики, вакви алатки сè уште не постојат. Поради ова, истите видови ткива можат да изгледаат различно, дури и во рамките на една слика, што ја отежнува компјутерската анализа. Ова исто така во голема мера го комплицира обучувањето на вештачката интелигенција што треба да го препознава и одвојува туморот од здравите клетки во хиперспектрални слики. Дополнителен проблем е што учењето на длабоки мрежи бара голем број слики обележани на ниво на пиксел од неколку патолози. Затоа, примената на вакви методи во прецизното одвојување на туморот и здравото ткиво е сè уште многу ограничена.
