Автор: 
В новом исследовании, опубликованном в журнале Nature, учёные разработали систему искусственного интеллекта, которая использует стандартные гистологические слайды для точного определения происхождения метастазов из первичной опухоли для дифференциального диагноза рака.
В 1-2% случаев рака невозможно определить первичный очаг опухоли. Поскольку многие современные противоопухолевые препараты нацелены на первичные опухоли, прогноз при злокачественном новообразовании с неизвестным первичным очагом (CUP) плохой, при средней общей выживаемости от 2,7 до 16 месяцев.
Алгоритм под названием Tumor Origin Assessment via Deep Learning (TOAD), основанный на глубоком обучении, одновременно определяет опухоль как первичную или метастатическую и предсказывает место её происхождения. Исследователи обучили модель искусственного интеллекта с помощью полноэкранных изображений гигапиксельных патологий опухолей в более чем 22000 случаев рака, а затем протестировали TOAD примерно в 6500 случаях CUP.
Для опухолей с известным первичным происхождением алгоритм правильно идентифицировал рак в 83% случаев. Затем исследователи протестировали модель на 317 случаях CUP, которым был назначен дифференциальный диагноз, и обнаружили, что диагноз TOAD согласовывался с отчётами патологов в 61% случаев и совпадением 3 основных результатов в 82% случаев.
Производительность TOAD была в значительной степени сопоставима с показателями, о которых сообщалось в нескольких недавних исследованиях, в которых для прогнозирования происхождения опухоли использовались геномные данные. Хотя искусственный интеллект на основе генома предлагает альтернативный вариант для помощи в диагностике, геномное тестирование не всегда проводится для пациентов, особенно в условиях ограниченных ресурсов. Исследователи надеются продолжить обучение своей гистологической модели с большим количеством случаев и участвовать в клинических испытаниях, чтобы определить, улучшает ли она диагностические возможности и прогнозы пациентов.
