Автор: 
Португальские учёные представили новое исследование о разработке алгоритма для обнаружения предраковых поражений эпителия шейки матки с помощью искусственного интеллекта. Хотя учёные применяют технологии машинного обучения для диагностики этого заболевания уже несколько лет, новый метод отличается использованием изображений высокого разрешения для тренировки алгоритма. Такой подход может улучшить качество ранней диагностики раковых заболеваний. Результаты работы опубликованы в журнале Scientific Reports.
Сейчас рак шейки матки на четвёртом месте по частоте обнаружения у женщин. За 2020 год Всемирной организацией здравоохранения было зафиксировано 604 000 новых случаев заболевания, а с ростом населения в мире это число будет только расти. При своевременном обнаружении и вакцинации против ВПЧ (вирус папилломы человека) рак шейки матки успешно предотвращается и лечится по сравнению с другими онкологическими заболеваниями.
Предложенный португальскими учёными метод машинного обучения позволяет получать результат скрининга эпителия шейки матки даже в условиях недостатка данных. Такая методика поможет выявить злокачественные поражения на ранней стадии и вовремя начать терапию. Для обучения алгоритма учёные использовали визуальные данные технологии Whole slide imaging, содержащие информацию обо всех тканях. Изображения, созданные по этой технологии, отличаются высоким разрешением (обычно больше 50 000 × 50 000 пикселей). Такой размер позволяет сильно увеличивать их, достигая точности микроскопа.
Исследователи обработали и аннотировали для алгоритма более сотни снимков эпителия с разными типами поражений, а затем проверили, как система распознаёт неподготовленные изображения, постепенно вводя больше данных. В итоге метод машинного обучения смог классифицировать дисплазию эпителия шейки матки — аномальный рост клеток на поверхности тканей — как предраковые поражения низкой степени (LSIL), так и поражения высокой степени (HSIL).
Конечная цель исследователей — создать метод машинного обучения, который сможет работать полностью автономно без участия человека, предоставляя результат сканирования с высокой точностью. По словам учёных, для её достижения понадобится ещё много усилий. На данном этапе алгоритм несовершенен и требует долгой кропотливой работы для ввода в него всех данных с больших изображений.
