«Ъ-Наука» провела интервью с Светланой Илларионовой, руководителем исследовательской группы Центра искусственного интеллекта Сколтеха, чтобы обсудить, как проект может изменить подход к терапии рака, как ИИ-алгоритмы могут сделать лечение более доступным в удаленных регионах, а также причины медленного внедрения ИИ-инструментов в клиническую практику и направления на стыке медицины и искусственного интеллекта, на которые стоит обратить внимание молодым ученым.
— Светлана, ваша команда работает над различными проектами, одним из которых является ИИ-система для получения молекулярного портрета рака молочной железы без иммуногистохимии. Расскажите о его практической значимости.
— Мы занимаемся разработкой алгоритмов ИИ для диагностики гистологических данных, то есть тканей, которые патолог анализирует для назначения терапии при раке молочной железы. В рамках этого проекта мы разрабатываем алгоритмы виртуального окрашивания, основанные на генеративном искусственном интеллекте.
Наша задача возникла из-за стандартного подхода к диагностике, который базируется на анализе данных гематоксилина и эозина. Этот метод позволяет патологу определять общие характеристики тканей при раке молочной железы. Для выбора терапии — гормональной или таргетной — крайне важно не ошибиться, так как это может привести к недостаточному или избыточному лечению, что увеличивает нагрузку на организм.
Информация в статье носит справочный характер и не заменяет консультацию врача. Перед применением рекомендаций обратитесь к специалисту.
Чтобы определить тип терапии, врач-патолог анализирует данные иммуногистохимии — это длительный и затратный процесс. Когда делается биопсия, один и тот же срез ткани нельзя одновременно окрасить разными красителями. Для этого нужны дополнительные срезы.
Мы разрабатываем алгоритмы, которые позволят с помощью генеративных нейронных сетей переводить один тип окрашивания в другой — из H&E в IHC. Используя базовые данные, мы можем создавать синтетические данные, которые сохраняют биологические характеристики, необходимые для анализа патологоанатомом.
— Вы предлагаете замену сложной и дорогой иммуногистохимии с помощью ИИ. Как осуществляется интерпретация полученных изображений?
— Вторая часть проекта связана с анализом данных: определением основных биологических структур на снимках, предсказанием статуса тканей и распознаванием клеточных структур. Для этой задачи также разрабатываются алгоритмы ИИ, адаптированные к конкретным задачам.
Идея заключается в том, чтобы перейти от ограниченных данных, труднодоступных в клиниках, к более доступным, обеспечивая при этом полный морфологический анализ тканей.
— Какие результаты уже достигнуты?
— Мы собрали уникальный набор данных — снимки тканей 100 пациентов с подтвержденным раком молочной железы, аннотированные вручную. Эти данные используются для разработки генеративных алгоритмов. Мы также планируем сделать наш датасет открытым для специалистов и исследователей.
Что касается алгоритмов, мы обучили модели и разработали методологию, учитывающую специфику медицинских данных. Наша цель — создать решение, адаптированное под клинические задачи. Мы также активно сотрудничаем с российскими и зарубежными клиниками и университетами, что позволяет нам корректировать планы в соответствии с реальными медицинскими потребностями.
— Проект был инициирован запросом клиники?
— Да, именно так. Разработка подобных проектов начинается с выявления актуальных потребностей и задач, что позволяет адаптировать алгоритмы ИИ для их решения. Все наши проекты — это результат совместной работы с врачами.
— После завершения разработки инструмента врачу будет нужен только компьютер для работы с ним?
— Верно. Базовое окрашивание выполняется повсеместно, а дальше алгоритм поможет в диагностике и принятии решений, а также укажет на необходимость дополнительного анализа. Важно отметить, что наш алгоритм не заменит врача, а станет дополнительным инструментом.
— Как вы оцениваете вероятность скорого внедрения таких ИИ-инструментов в клиническую практику? Какие барьеры остаются?
— Существует серьезный барьер, связанный с регуляцией. Система здравоохранения чувствительна к нововведениям. Алгоритмы должны пройти строгую апробацию, и есть ограничения на использование персональных данных. Однако алгоритм может работать внутри клиники, и подтвердить его надежность и эффективность довольно сложно. В этом направлении ведутся работы, и я надеюсь, что в будущем этот процесс станет более понятным и быстрым.
— Ваш проект был отмечен наградой в конкурсе «Женщины за здоровое общество». Как вы считаете, важны ли такие конкурсы для женщин в науке?
— Да, я считаю, что конкурсы важны. Узнав о других проектах на финале, я была вдохновлена и поняла, как можно применять исследования на практике, что полезно для людей.
— Какой совет вы могли бы дать молодым исследователям, желающим заниматься прикладным ИИ в здравоохранении?
— Важно сотрудничество между специалистами разных дисциплин. Сделать что-то полезное, не взаимодействуя с другими, сейчас невозможно. Актуальные направления включают создание цифрового двойника, который позволит анализировать систему в целом и прогнозировать результаты лечения. Это может помочь более эффективно бороться с болезнями.
Фото: hi-tech.mail.ru
Материалы проходят проверку с учетом современных клинических рекомендаций, научных данных и практического опыта врачей. Основная задача Медколлегии — обеспечить достоверность, актуальность и понятность медицинской информации для пользователей.