ИИ ищет рак груди на снимках биопсии
Учёные разработали алгоритм, который анализирует снимки тканей молочной железы после биопсии. Такие изображения получают через микроскоп: по форме клеток и структуре ткани врачи определяют, есть ли опухоль и к какому типу она относится. Алгоритм помогает отличать нормальную ткань и доброкачественные изменения от рака. Исследование провели специалисты Университета Иннополис, ЛЭТИ и Джадавпурского университета в Индии, работа опубликована в Scientific Reports.
Система объединяет две нейросети, которые извлекают из одного снимка разные признаки. Специальный модуль сопоставляет их результаты, усиливает важные детали и подавляет шум. Авторы рассчитывали сделать модель достаточно компактной, чтобы её можно было использовать без дорогих вычислительных серверов – например, в небольших больницах. На одном наборе данных алгоритм правильно распознал 351 из 352 снимков и показал точность 99,72%. На другом он различал нормальную ткань, доброкачественные изменения, карциному in situ и инвазивный рак с точностью 97%.
Пока это лабораторный результат. Модель проверяли на готовых публичных наборах изображений, а не в клиниках. Кроме того, снимки одного пациента могли попасть и в обучение, и в тест, поэтому итоговая точность могла оказаться завышенной. Следующий этап – проверка на новых данных и в реальной медицинской практике.
Учёные разработали алгоритм, который анализирует снимки тканей молочной железы после биопсии. Такие изображения получают через микроскоп: по форме клеток и структуре ткани врачи определяют, есть ли опухоль и к какому типу она относится. Алгоритм помогает отличать нормальную ткань и доброкачественные изменения от рака. Исследование провели специалисты Университета Иннополис, ЛЭТИ и Джадавпурского университета в Индии, работа опубликована в Scientific Reports.
Система объединяет две нейросети, которые извлекают из одного снимка разные признаки. Специальный модуль сопоставляет их результаты, усиливает важные детали и подавляет шум. Авторы рассчитывали сделать модель достаточно компактной, чтобы её можно было использовать без дорогих вычислительных серверов – например, в небольших больницах. На одном наборе данных алгоритм правильно распознал 351 из 352 снимков и показал точность 99,72%. На другом он различал нормальную ткань, доброкачественные изменения, карциному in situ и инвазивный рак с точностью 97%.
Пока это лабораторный результат. Модель проверяли на готовых публичных наборах изображений, а не в клиниках. Кроме того, снимки одного пациента могли попасть и в обучение, и в тест, поэтому итоговая точность могла оказаться завышенной. Следующий этап – проверка на новых данных и в реальной медицинской практике.