Когда пациент подвергается хирургической операции по удалению опухоли или лечению заболевания, ход операции часто не предопределен. Чтобы решить, какой объем ткани необходимо удалить, хирурги должны знать больше о состоянии, которое они лечат, включая границы опухоли, ее стадию и то, является ли поражение злокачественным или доброкачественным — определения, которые часто зависят от сбора, анализа и диагностики заболевания, пока пациент находится на операционном столе.

Когда хирурги отправляют образцы патологоанатому на исследование, важны как скорость, так и точность. Нынешний подход "золотого стандарта" для исследования тканей часто занимает слишком много времени, а более быстрый подход, который включает замораживание ткани, может привести к появлению артефактов, которые могут усложнить диагностику.

Новое исследование, проведенное исследователями из лаборатории Махмуда в Бригаме и женской больнице, членом-основателем системы здравоохранения Бригама, и сотрудниками из Университета Богазичи, разработало лучший способ; метод использует искусственный интеллект для перевода между замороженными срезами и подходом золотого стандарта, улучшая качество изображения для повышения точности экспресс-диагностики. Результаты исследования опубликованы в журнале Nature Biomedical Engineering.

"Мы используем возможности искусственного интеллекта для решения извечной проблемы на стыке хирургии и патологии", - сказал автор-корреспондент Фейсал Махмуд, доктор философии, из отдела вычислительной патологии BWH. "Проведение экспресс-диагностики по образцам замороженных тканей является сложной задачей и требует специальной подготовки, но этот вид диагностики является важным шагом в уходе за пациентами во время операции".

Для постановки окончательного диагноза патологоанатомы используют образцы тканей, зафиксированные в формалине и пропитанные парафином (FFPE) - этот метод позволяет сохранить ткани таким образом, чтобы получить высококачественные изображения, но процесс трудоемкий и обычно занимает от 12 до 48 часов. Для быстрой диагностики патологоанатомы используют подход, известный как криосекция, который включает быстрое замораживание ткани, вырезание срезов и наблюдение за этими тонкими срезами под микроскопом. Криосекция занимает минуты, а не часы, но может исказить клеточные детали и скомпрометировать или разорвать нежные ткани.

Махмуд и соавторы разработали модель глубокого обучения, которую можно использовать для перевода между замороженными срезами и более часто используемой тканью FFPE. В своей статье команда продемонстрировала, что этот метод может быть использован для определения подтипов различных видов рака, включая глиому и немелкоклеточный рак легких.

Команда подтвердила свои выводы, пригласив патологоанатомов для участия в исследовании reader, в котором их попросили поставить диагноз по изображениям, полученным с помощью метода искусственного интеллекта, и традиционным изображениям криосекции. Метод искусственного интеллекта не только улучшил качество изображения, но и повысил точность диагностики среди экспертов. Алгоритм также был протестирован на независимо собранных данных из Турции.

Авторы отмечают, что в будущем следует провести проспективные клинические исследования, чтобы валидировать метод искусственного интеллекта и определить, может ли он способствовать точности диагностики и принятию хирургических решений в реальных условиях больницы.

"Наша работа показывает, что искусственный интеллект обладает потенциалом для того, чтобы сделать чувствительный ко времени критический диагноз проще и доступнее для патологоанатомов", - сказал Махмуд. "И потенциально это может быть применено к любому типу онкологической хирургии. Это открывает множество возможностей для улучшения диагностики и ухода за пациентами".