Científicos del Laboratorio de Biofotónica de TSU, trabajar con oncólogos del Centro Médico Nacional de Investigación de Tomsk (TNIMC), han desarrollado un nuevo enfoque para el diagnóstico de adenocarcinoma, un tumor maligno de la próstata, que utiliza inteligencia artificial para identificar la oncopatología y determinar el estadio de la enfermedad. Usando el aprendizaje automático, Se enseñó a un modelo informático a distinguir entre tejidos sanos y patología con una precisión del 100 por ciento.

El estándar de oro para el diagnóstico de cáncer es la histología, durante el cual se examina el tejido de un paciente en busca de cambios malignos. Para que las muestras se puedan almacenar durante mucho tiempo, se deshidratan y envasan en parafina. Luego, los expertos hacen secciones delgadas y examinan estos portaobjetos con un microscopio.

"Generalmente, varias personas trabajan con muestras de biopsia de próstata, y después de estudiar las secciones, toman una decisión colegiada, "dice Yuri Kistenev, director ejecutivo del Instituto de Biomedicina TSU. "El factor humano no ha sido eliminado, por lo tanto, debido a la evaluación subjetiva, hay conclusiones erróneas. Intentamos resolver este problema utilizando tecnologías de TI:desarrollamos un modelo informático y, a través del aprendizaje automático le enseñó a detectar áreas anormales utilizando una herramienta como la espectroscopia de terahercios ".

Según Yuri Kistenev, en el análisis, La inteligencia artificial no solo detecta la presencia de células cancerosas, pero también evalúa el tumor según la puntuación de Gleason, que se utiliza tradicionalmente en el diagnóstico de cáncer de próstata para determinar el grado de malignidad (indicadores del 1 al 10), que es importante en términos de predecir el curso de la enfermedad.

"La espectroscopia de terahercios visualiza muy bien la muestra porque un láser lee de 2500 a 4000 puntos en un área pequeña, "dice Anastasia Knyazkova, Estudiante de posgrado de TSU, uno de los jefes de proyecto. "Se entrenó un modelo informático con muestras de tejido sano y enfermo, que fueron proporcionados por el Instituto de Investigación de Oncología, TNIMC. Por lo tanto, la inteligencia artificial aprendió a separar la norma y la patología. Se realizó una prueba de su capacidad para verificar adenocarcinoma por parte de las muestras que no se utilizaron en el entrenamiento. La evaluación de la malignidad se llevó a cabo para muestras con una clasificación de 4 y 8 en la escala de Gleason. La precisión del diagnóstico diferencial fue del 100 por ciento ".

Según el personal del Laboratorio de Biofotónica, a medida que se acumulan los datos, el modelo podrá evaluar el tumor en toda la escala de Gleason, después de lo cual la nueva herramienta puede introducirse en la práctica clínica. Como señaló Yuri Kistenev, el enfoque es universal. Ya se ha probado para diagnosticar melanoma. Si hay suficiente material didáctico (muestras con norma y patología), el modelo puede entrenarse en el diagnóstico de otros cánceres.