Scientifiques du Laboratoire de biophotonique TSU, travailler avec les oncologues du Centre national de recherche médicale de Tomsk (TNIMC), ont développé une nouvelle approche pour le diagnostic de l'adénocarcinome, une tumeur maligne de la prostate, qui utilise l'intelligence artificielle pour identifier l'oncopathologie et déterminer le stade de la maladie. En utilisant l'apprentissage automatique, un modèle informatique a été enseigné pour distinguer les tissus sains et la pathologie avec une précision de 100 pour cent.

L'étalon-or pour le diagnostic du cancer est l'histologie, au cours de laquelle le tissu d'un patient est examiné pour des changements malins. Pour que les échantillons puissent être conservés longtemps, ils sont déshydratés et conditionnés en paraffine. Ensuite, les experts réalisent des coupes minces et examinent ces lames au microscope.

"D'habitude, plusieurs personnes travaillent avec des échantillons de biopsie de la prostate, et après avoir étudié les sections, ils prennent une décision collégiale, " dit Youri Kistenev, directeur exécutif de l'Institut de biomédecine TSU. "Le facteur humain n'a pas été éliminé, donc, en raison d'une évaluation subjective, il y a des conclusions erronées. Nous avons essayé de résoudre ce problème en utilisant les technologies informatiques - nous avons développé un modèle informatique et, grâce à l'apprentissage automatique, lui a appris à détecter les zones anormales à l'aide d'un outil tel que la spectroscopie térahertz."

Selon Youri Kistenev, dans l'analyse, l'intelligence artificielle détecte non seulement la présence de cellules cancéreuses, mais évalue également la tumeur selon le score de Gleason, qui est traditionnellement utilisé dans le diagnostic du cancer de la prostate pour déterminer le degré de malignité (indicateurs de 1 à 10), ce qui est important pour prédire l'évolution de la maladie.

"La spectroscopie térahertz visualise très bien l'échantillon car un laser lit de 2500 à 4000 points dans une petite zone, " dit Anastasia Knyazkova, Étudiant diplômé TSU, l'un des chefs de projet. "Un modèle informatique a été formé sur des échantillons de tissus sains et malades, qui ont été fournis par l'Institut de recherche en oncologie, TNIMC. Ainsi, l'intelligence artificielle a appris à séparer la norme et la pathologie. Un test de sa capacité à vérifier l'adénocarcinome a été effectué sur la partie des échantillons qui n'ont pas été utilisés dans la formation. L'évaluation de la malignité a été réalisée pour les échantillons classés 4 et 8 sur l'échelle de Gleason. La précision du diagnostic différentiel était de 100 pour cent. »

Selon le personnel du Laboratoire de Biophotonique, au fur et à mesure que les données s'accumulent, le modèle pourra évaluer la tumeur sur toute l'échelle de Gleason, après quoi le nouvel outil peut être introduit dans la pratique clinique. Comme l'a noté Youri Kistenev, l'approche est universelle. Il a déjà été testé pour le diagnostic du mélanome. S'il existe une quantité suffisante de matériel de formation (échantillons avec norme et pathologie), le modèle peut être formé au diagnostic d'autres cancers.