Nova metoda računalne patologije, razvijena na Institutu Ruđer Bošković (IRB), postiže više od 96 posto preciznosti u razlikovanju tumorskog i zdravog tkiva, uz minimalnu potrebu za ručnim označavanjem podataka. Riječ je o potencijalno važnom iskoraku za kirurge koji uklanjaju metastaze raka debelog crijeva u jetri, priopćili su s IRB-a
Dio zdravog tkiva koji se odstranjuje zajedno s tumorom jedan je od ključnih pokazatelja uspješnosti operacije i petogodišnjeg preživljenja pacijenata. Onkološki kirurzi pritom se oslanjaju na intraoperativnu analizu uzoraka koju provodi patolog, no zbog čestog prodiranja tumora u okolno tkivo iznimno je teško precizno odrediti gdje rezati.
Kako bi se odgovorilo na taj izazov, znanstvenici s Instituta Ruđer Bošković (IRB), u suradnji s domaćim bolnicama i međunarodnim partnerima, razvili su metodu računalne patologije koja pomoću hiperspektralnog snimanja histopatoloških preparata omogućuje preciznije određivanje granica tumora. Istraživanje je trajalo osam godina, a učinkovitost metode potvrđena je na primjeru metastaza raka debelog crijeva u jetri.
vezane vijesti
Umjetna inteligencija koja uči iz 1 posto podataka
Tim pod vodstvom dr. sc. Ivice Koprive iz Laboratorija za strojno učenje i reprezentacije znanja IRB-a, u suradnji s tvrtkom Photon etc iz Kanade, patologinjama iz Kliničke bolnice Dubrava i KBC-a Zagreb te istraživačima iz Zavoda za molekularnu medicinu IRB-a i Tehničkog sveučilišta u Münchenu, razvio je metodu računalne analize hiperspektralnih slika histopatoloških preparata.
Sustav s više od 96 posto preciznosti razlikuje tumorske od zdravih stanica na razini piksela, a za treniranje algoritma dovoljno je da patolozi označe tek oko 1 posto podataka. 'Za razliku od uobičajenih metoda strojnog i dubokog učenja, naš algoritam segmentacije temeljen na Grassmannovim mnogostrukostima radi u polunadziranom modu i zahtijeva minimalno ručno označavanje', objašnjava dr. sc. Kopriva.
Tradicionalne metode računalne patologije oslanjaju se na RGB slike histopatoloških preparata, čime se gubi velik dio informacija izvan vidljivog spektra. Hiperspektralno snimanje omogućuje detaljniji uvid u tkivo, ali donosi i nove izazove – varijabilnost kvalitete slika i potrebu za velikim brojem ručno označenih uzoraka.
Nova metoda kombinira informacije o bojama (spektar) i oblicima u tkivu te na taj način precizno razdvaja tumorske od zdravih stanica. Uz minimalan unos patologa, algoritam samostalno klasificira preostale piksele i postiže usporedivu učinkovitost s naprednim dubokim mrežama, ali uz znatno jednostavnije treniranje.
Rezultati na uzorcima pacijenata
Za potrebe istraživanja tim je prikupio uzorke jetre 19 pacijenata s metastazama kolorektalnog karcinoma tijekom operacija u KB Dubrava. U Kanadi su snimljene 27 hiperspektralnih slika histopatoloških preparata, a patolozi su označili tumorske i netumorske piksele. Rezultati su pokazali da metoda može prepoznati tumorske dijelove i u najzahtjevnijim uvjetima, čak i kada su se uvjeti snimanja razlikovali od slučaja do slučaja.
'Nova metoda, nazvana GM-TSSA, detektirala je tumorske regije s preciznošću većom od 96 posto koristeći samo jedan posto označenih piksela. Točnost je bila bolja nego kod šest različitih arhitektura dubokih neuronskih mreža koje traže daleko više podataka', ističe dr. Kopriva.
Posebna vrijednost projekta je u njegovoj otvorenosti. Skup podataka objavljen je na repozitoriju IRB-a, a izvorni kod dostupan je na GitHubu, što omogućuje drugim znanstvenicima testiranje, doradu i primjenu metode na druge vrste karcinoma. Time se ubrzava razvoj i približavanje tehnologije stvarnoj kliničkoj primjeni.
Objavljivanje rezultata u časopisu Computers in Biology and Medicine, jednom od najutjecajnijih u području biologije i računalnih znanosti, dodatno potvrđuje važnost istraživanja. Projekt je financiran sredstvima Hrvatske zaklade za znanost.
Osim dr. sc. Ivice Koprive, u projektu su sudjelovali dr. sc. Dario Sitnik (Tehničko sveučilište u Münchenu), dr. sc. Laura-Isabelle Dion-Bertrand (Photon etc, Kanada), patologinje Arijana Pačić i pokojna dr. sc. Gorana Aralica (KB Dubrava), dr. sc. Marija Milković Periša (KBC Zagreb i Medicinski fakultet), te dr. sc. Mirko Hadžija i dr. sc. Marijana Popović Hadžija (IRB).
Cilj tima bio je stvoriti metodu koja će jednog dana moći asistirati kirurzima za vrijeme operacije, omogućujući preciznije uklanjanje tumora i dulji život pacijenata.
