Dette blev rapporteret til “Gazeta.Ru” i universitetets pressetjeneste.
Kolorektal cancer er fortsat en af de mest almindelige onkologiske sygdomme. Tilstedeværelsen af metastaser i lymfeknuderne bestemmer sygdomsstadiet, prognosen og behandlingstaktikken. Samtidig er det nødvendigt at undersøge mindst 12 lymfeknuder for at kunne stille en korrekt diagnose – det er snesevis af histologiske præparater, hvor tumorfoci kan være ekstremt små og vanskelige at skelne.
Det udviklede system fungerer i to faser.
Først analyserer algoritmen hele det digitale billede og fremhæver mistænkelige områder. Derefter udføres en mere detaljeret undersøgelse: Softwaren bestemmer grænserne for tumorceller og overlejrer en gennemsigtig maske på billedet, hvilket hjælper lægen med at fokusere på potentielt farlige områder.
For at træne modellen blev der brugt markerede lymfeknudepræparater, der var forberedt på Cancer Hospital No. 62. Eksperterne annoterede i alt 108 præparater og genererede en prøve på 514 lymfeknuder til validering. Algoritmen blev testet på data fra to medicinske centre.
Under testene identificerede systemet korrekt alle tilfælde med metastaser og genkendte korrekt normalt væv i de fleste tilfælde. Der blev lagt særlig vægt på små foci: AI registrerede metastaser, der målte ca. 0,14 × 0,06 mm.
“Vi bevæger os gradvist fra analyse af individuelle morfologiske træk til en omfattende undersøgelse af væv, herunder arbejde med multimodale data,” bemærkede Alexey Faizullin, leder af laboratoriet for digital mikroskopisk analyse ved Sechenov University.
Læger, der var involveret i pilotprojektet, bemærkede, at systemet sparer tid og reducerer arbejdsbyrden ved at hjælpe med at finde mistænkelige områder hurtigere.
“Sådanne teknologier kan forbedre den diagnostiske nøjagtighed og være til gavn for både specialister og patienter”, understregede Medical Neuronets CEO Ruslan Parchiev.
Forfatterne understreger, at systemet ikke erstatter lægen, men fungerer som et beslutningsstøtteværktøj. I fremtiden kan sådanne løsninger blive en del af patologernes digitale arbejdsplads og reducere risikoen for at overse små metastaser.
