Scienziati del Laboratorio di Biofotonica della TSU, lavorando con gli oncologi del Tomsk National Research Medical Center (TNIMC), hanno sviluppato un nuovo approccio alla diagnosi di adenocarcinoma, un tumore maligno della ghiandola prostatica, che utilizza l'intelligenza artificiale per identificare l'oncopatologia e determinare lo stadio della malattia. Utilizzando l'apprendimento automatico, un modello computerizzato è stato insegnato a distinguere tra tessuti sani e patologia con un'accuratezza del 100%.

Il gold standard per la diagnosi del cancro è l'istologia, durante il quale il tessuto di un paziente viene esaminato per i cambiamenti maligni. In modo che i campioni possano essere conservati a lungo, sono disidratati e confezionati in paraffina. Quindi gli esperti realizzano sezioni sottili ed esaminano questi vetrini al microscopio.

"Generalmente, diverse persone lavorano con campioni di biopsia prostatica, e dopo aver studiato le sezioni, prendono una decisione collegiale, "dice Yuri Kistenev, direttore esecutivo dell'Istituto di Biomedicina TSU. "Il fattore umano non è stato eliminato, perciò, per valutazione soggettiva, ci sono conclusioni errate. Abbiamo cercato di risolvere questo problema utilizzando le tecnologie IT:abbiamo sviluppato un modello di computer e, attraverso l'apprendimento automatico, gli ha insegnato come rilevare aree anomale utilizzando uno strumento come la spettroscopia terahertz".

Secondo Yuri Kistenev, nell'analisi, l'intelligenza artificiale non solo rileva la presenza di cellule cancerose, ma valuta anche il tumore secondo il punteggio di Gleason, che viene tradizionalmente utilizzato nella diagnosi del cancro alla prostata per determinare il grado di malignità (indicatori da 1 a 10), che è importante in termini di previsione del decorso della malattia.

"La spettroscopia Terahertz visualizza il campione molto bene perché un laser legge da 2500 a 4000 punti in una piccola area, "dice Anastasia Knyazkova, studente laureato TSU, uno dei responsabili del progetto. "Un modello al computer è stato addestrato su campioni di tessuto sano e malato, che sono stati forniti dall'Istituto di Ricerca di Oncologia, TNIMC. Così, l'intelligenza artificiale ha imparato a separare la norma e la patologia. Un test della sua capacità di verificare l'adenocarcinoma è stato effettuato sulla parte dei campioni che non sono stati utilizzati in allenamento. La valutazione della malignità è stata effettuata per campioni con un ranking di 4 e 8 della scala di Gleason. L'accuratezza della diagnosi differenziale è stata del 100%".

Secondo lo staff del Laboratorio di Biofotonica, man mano che i dati si accumulano, il modello sarà in grado di valutare il tumore su tutta la scala di Gleason, dopodiché il nuovo strumento può essere introdotto nella pratica clinica. Come ha notato Yuri Kistenev, l'approccio è universale. È già stato testato per la diagnosi del melanoma. Se c'è una quantità sufficiente di materiale didattico (campioni con norma e patologia), il modello può essere addestrato nella diagnosi di altri tumori.