p Cientistas do Laboratório de Biofotônica TSU, trabalhando com oncologistas do Tomsk National Research Medical Center (TNIMC), desenvolveram uma nova abordagem para o diagnóstico de adenocarcinoma, um tumor maligno da próstata, que usa inteligência artificial para identificar a oncopatologia e determinar o estágio da doença. Usando o aprendizado de máquina, um modelo de computador foi ensinado a distinguir entre tecidos saudáveis ​​e patologia com 100 por cento de precisão. p O padrão ouro para o diagnóstico de câncer é a histologia, durante o qual o tecido de um paciente é examinado em busca de alterações malignas. Para que as amostras possam ser armazenadas por muito tempo, são desidratados e embalados em parafina. Em seguida, os especialistas fazem lâminas finas e examinam essas lâminas ao microscópio.

p "Usualmente, várias pessoas trabalham com amostras de biópsia da próstata, e depois de estudar as seções, eles tomam uma decisão colegial, "diz Yuri Kistenev, diretor executivo do TSU Institute of Biomedicine. “O fator humano não foi eliminado, Portanto, devido à avaliação subjetiva, existem conclusões errôneas. Tentamos resolver esse problema usando tecnologias de TI - desenvolvemos um modelo de computador e, por meio do aprendizado de máquina, ensinou como detectar áreas anormais usando uma ferramenta como a espectroscopia terahertz. "

p De acordo com Yuri Kistenev, na análise, a inteligência artificial não detecta apenas a presença de células cancerosas, mas também avalia o tumor de acordo com a pontuação de Gleason, que é tradicionalmente usado no diagnóstico de câncer de próstata para determinar o grau de malignidade (indicadores de 1 a 10), o que é importante para prever o curso da doença.

p "A espectroscopia Terahertz visualiza a amostra muito bem porque um laser lê de 2.500 a 4.000 pontos em uma pequena área, "diz Anastasia Knyazkova, Estudante de pós-graduação TSU, um dos gerentes de projeto. "Um modelo de computador foi treinado em amostras de tecido saudável e doente, que foram fornecidos pelo Instituto de Pesquisa de Oncologia, TNIMC. Assim, a inteligência artificial aprendeu a separar a norma e a patologia. Um teste de sua capacidade de verificar adenocarcinoma foi realizado na parte das amostras que não foram utilizadas no treinamento. A avaliação da malignidade foi realizada para amostras com uma classificação de 4 e 8 na escala de Gleason. A precisão do diagnóstico diferencial foi de 100 por cento. "

p Segundo a equipe do Laboratório de Biofotônica, conforme os dados se acumulam, o modelo será capaz de avaliar o tumor em toda a escala de Gleason, depois disso, a nova ferramenta pode ser introduzida na prática clínica. Como observou Yuri Kistenev, a abordagem é universal. Já foi testado para o diagnóstico de melanoma. Se houver quantidade suficiente de material de treinamento (amostras com norma e patologia), o modelo pode ser treinado no diagnóstico de outros cânceres.