ИИ против рака: диагностика с точностью 99%

Международная команда учёных разработала модель ИИ, которая распознаёт рак эндометрия на микроскопических снимках тканей с точностью 99,26%. Традиционные автоматизированные методы дают 78–80%. Разрыв не только статистический — за ним стоят пациенты, которым диагноз поставили слишком поздно.

Что такое ECgMPL и как она работает

Модель разработана совместно исследователями из Университета Дафодил (Бангладеш), Австралийского университета Чарльза Дарвина, Университета Калгари и Австралийского католического университета. Результаты опубликованы в журнале Computer Methods and Programs in Biomedicine Update.

ECgMPL анализирует гистопатологические изображения — микроскопические снимки срезов тканей, которые патологоанатом изучает при постановке онкологического диагноза. Модель не просто сканирует снимок целиком: она усиливает качество изображения, затем с помощью механизмов самовнимания определяет участки, заслуживающие особого разбора, и оценивает клеточные изменения, характерные для злокачественного процесса.

Рак эндометрия развивается из слизистой оболочки матки. На ранних стадиях опухоль, как правило, не выходит за её пределы и хорошо поддаётся лечению. Когда процесс распространяется на соседние структуры, прогноз резко ухудшается. Именно поэтому скорость и точность первичного распознавания так важны.

Точность, которую сложно объяснить иначе чем цифрами

Нынешние автоматизированные методы диагностики рака эндометрия дают точность 78,91–80,93%. ECgMPL в ходе исследования показала 99,26%. По словам соавтора исследования, доктора Асифа Карима из CDU, модель превосходит как подходы на основе переноса обучения, так и специализированные модели, описанные в работе — и при этом остаётся вычислительно эффективной.

Подборка по теме от LifeGlobe.net: 10 распространённых заблуждений об искусственном интеллекте

На других типах онкологии модель также тестировали. При колоректальном раке точность составила 98,57%, при раке молочной железы — 98,20%, при раке ротовой полости — 97,34%.

Почему это важно за пределами лаборатории

Рак тела матки — наиболее распространённая гинекологическая онкология в Австралии и одна из ведущих по частоте встречаемости среди российских женщин в возрасте 55–69 лет, где уступает только раку молочной железы. В России показатель заболеваемости за последнее десятилетие вырос почти на 22% и в 2021 году достиг 32,62 случая на 100 тысяч женщин.

При этом дефицит патологоанатомов — реальная проблема не только в странах с низким уровнем дохода. В крупных системах здравоохранения узкие специалисты перегружены, а время от биопсии до заключения нередко растягивается. ИИ-модель, способная обрабатывать гистологические препараты быстрее и с меньшим числом ошибок, закрывает именно этот разрыв.

Соавтор исследования профессор ACU Нюша Шафиабади отметила, что базовый алгоритм может быть встроен в системы поддержки врачебных решений — не как замена онколога, а как инструмент, снижающий нагрузку и страхующий от пропущенных случаев.

Пока ИИ учится ставить диагнозы точнее врача, возникает другой вопрос — что он делает с самими врачами и всеми нами: убивают ли чатботы способность думать.

Что стоит между лабораторией и клиникой

Высокая точность на тестовых данных — не то же самое, что клинически валидированный инструмент. Исследователи в области цифровой патологии фиксируют несколько устойчивых проблем при переносе ИИ-моделей в реальную практику: вариативность оборудования для оцифровки срезов, различия в протоколах окрашивания тканей между лабораториями, необходимость проспективных испытаний на живых пациентах — а не только на архивных препаратах.

ECgMPL пока не прошла этот путь до конца. Исследовательская группа планирует продолжить доработку модели и изучить возможности её интеграции в клинические условия. Это стандартный следующий шаг, и он займёт время.

Пока что модель существует как научный результат с убедительными показателями — и как аргумент в пользу того, что диагностика онкологических заболеваний по изображениям тканей движется в сторону, которую ещё несколько лет назад считали отдалённой перспективой.