В центре внимания ученых оказались митохондрии ("энергетические станции" клетки) и эндоплазматический ретикулум (система каналов для накопления кальция). Их тесное взаимодействие критически важно: именно через точки контакта эти структуры обмениваются сигналами. Исследователи выяснили, что при нарушении этой связи раковые клетки перестают получать команду к самоуничтожению (апоптозу) и начинают бесконтрольно делиться. Именно поэтому места их соприкосновения рассматриваются как ключевая мишень для будущих противораковых препаратов.
Ранее микроскопический поиск и подсчет этих контактов на сотнях снимков был невероятно трудоемкой задачей, отнимавшей у специалистов месяцы работы. Созданная нейросеть полностью автоматизировала процесс. Алгоритм самостоятельно находит на микрофотографиях нужные клеточные структуры, определяет зоны их контакта и измеряет параметры, например, длину. Результаты представляются в виде готовой таблицы, пишет "Наука в Сибири".
Для обучения ИИ исследователи использовали обширную базу данных из сотен изображений мышиной меланомы. По словам старшего научного сотрудника Юлии Таскаевой, эту модель выбрали не случайно. Она является общепринятым стандартом в экспериментах, что позволило быстро собрать необходимый материал.
Как отметил старший научный сотрудник Михаил Генаев, главной сложностью стало низкое качество самих электронных микрофотографий. Из-за дефектов, пустот и нечетких границ обучить алгоритм распознаванию было непросто. В основе разработки лежат методы компьютерного зрения.
Пока нейросеть специализируется исключительно на меланоме, однако в планах команды – тестирование технологии на других типах опухолей и образцах человеческих тканей.
Как нейросети помогают изучать опухоли?
Нейросети помогают изучать и диагностировать опухоли, автоматизируя анализ медицинских изображений, выявляя скрытые генетические мутации и прогнозируя поведение раковых клеток с точностью, сопоставимой с ведущими мировыми онкологами. ИИ не заменяет врачей, но выступает в роли сверхточного "второго мнения", исключая человеческий фактор и замечая аномалии на самых ранних стадиях.
- Анализ снимков (МРТ, КТ, УЗИ, рентген). Сверточные нейронные сети находят очаги патологий, определяют 3D-границы опухолей и классифицируют их.
- Жидкостная биопсия (анализ крови). ИИ сканирует миллиарды фрагментов внеклеточной ДНК в плазме.
- Алгоритмы ищут химические модификации (метилирование), выявляя рак на "нулевой" стадии до появления симптомов.
- Цифровая гистология. Алгоритмы изучают микроскопические снимки тканей после биопсии. Нейросети подсчитывают количество раковых клеток и определяют степень агрессивности опухоли.
- Интраоперационная навигация. Специальные модели помогают хирургам прямо во время операции на мозге за 10–15 секунд распознать остаточные ткани опухоли, которые сложно заметить визуально.
- Анализ текстовых отчетов. Языковые модели обрабатывают сложные патологоанатомические заключения. ИИ мгновенно извлекает критически важные генетические детали для подбора таргетной терапии.
Ранее в России создали нейросетевую систему классификации онкологических поражений кожи, чувствительную к несбалансированным дерматологическим данным. Открытие совершила команда ученых из Северо-Кавказского федерального университета.
