Результаты исследования опубликованы в научном журнале Cancers.
"Быстрый и надежный анализ медицинских изображений имеет критически важное значение при быстротекущих формах рака. В этом смысле повысить качество терапии и ухода за пациентами может внедрение машинного обучения для анализа постоянно растущих объемов больших данных", - рассказала инженер-исследователь ЮФУ Елена Варламова.
В пресс-службе университета сообщили, что на основе выборки гистопатологических изображений, размеченных высококвалифицированными профильными специалистами, была обучена нейронная сеть. Искусственный интеллект способен определять наличие опухолей толстой кишки, и в случае ее наличия проводить сегментацию и классификацию раковых клеток.
На основе полученных результатов разработана компьютерная программа, способная в автоматическом режиме проводить сегментацию гистопатологических изображений толстого кишечника, а также классификацию интересующих онкологов участков.
"У нас также проходят экспериментальные работы по получению нанокомпозитов для реализации технологии рентгеновской фотодинамической терапии - неинвазивного метода лечения глубоколежащих опухолей", - заявила Елена Варламова
Она отметила, что несмотря на эффективность использования искусственного интеллекта в медицине, существует ряд барьеров, связанных с правовыми, нормативными и этическими проблемами.
"Еще одной сложностью, приводящей к предвзятости при прогнозировании результатов, является недостаточная представленность некоторых групп населения (подростков, женщин) во время клинических испытаний, на основе которых формируются наборы данных. Отсутствие информации для некоторых групп людей может привести к ошибочным прогнозам модели машинного обучения, что неприемлемо для дальнейшего внедрения в клиническую практику", - отметила Елена Варламова.
На данный момент искусственный интеллект в медицине используется лишь для подтверждение решения, принятого врачом.