|
|||||
Projekt realizowany w ramach konkursu Narodowego Centrum Badań i Rozwoju: | |||||
|
|||||
Projekt: | Opracowanie narzędzia bioinformatycznego automatyzującego diagnozę raka piersi | ||||
|
Wprowadzenie Rak piersi jest najczęstszym kobiecym nowotworem złośliwym i drugą przyczyną zgonów wśród pacjentek onkologicznych w Polsce. Szacuje się, że nawet 1 na 8 kobiet zapadnie na raka piersi na przestrzeni swojego życia. Od lat 1980-tych obserwuje się ponadto wzrost zapadalności na raka piersi. Dlatego coraz bardziej istotne jest wczesne wykrywanie choroby. Standardowo główne etapy procedury diagnostycznej to: pobranie próbki od pacjentki (biopsja), utrwalenie próbki pobranej tkanki na szkiełku i barwienie jej przy użyciu odpowiedniego barwnika. Utrwaloną na szkiełku próbkę otrzymuje lekarz-patolog i ogląda ją pod mikroskopem, szukając obiektów (komórek, jąder komórek itp.) ze zmianami nowotworowymi. Wizualna metoda identyfikacji obiektów ze zmianami nowotworowymi jest czasochłonna a także subiektywna. Badania naukowe wykazują brak zgodności lekarzy- patologów co do identyfikacji poszczególnych obiektów na próbce (podobne obiekty – komórki, jądra mitotyczne itp. – mogą być różnie oznaczanie przez różnych patologów, w zależności od ich doświadczenia i wiedzy). Utrwaloną na szkiełku próbkę tkanki można zeskanować za pomocą specjalistycznego skanera medycznego. Otrzymujemy w ten sposób zdigitalizowany obraz próbki, który może być wykorzystany przez programy do komputerowej analizy obrazu, sztuczną inteligencję i techniki uczenia maszynowego. Stwarza to nadzieję na przełom w diagnostyce raka piersi, jakim będzie opracowanie systemu automatyzującego pracę lekarzy-patologów. Oparty na sztucznej inteligencji i odpowiednio wytrenowany system mógłby analizować skany próbek medycznych, oznaczać na nich komórki rakowe (identyfikując także typy komórek rakowych) oraz wystawiać na podstawie przeprowadzonej analizy wstępną diagnozę. Dzięki temu lekarz-diagnosta nie musiałby zaczynać pracy od początku, mając oznaczone i opisane te obszary, na które powinien zwrócić szczególną uwagę. Takie podejście pozwala na znaczące zmniejszenie nakładu pracy lekarzy, zwiększenie ich wydajności, daje w rezultacie oszczędność czasu i kosztów. Zmniejsza także ryzyko diagnoz błędnych. Oczywiście ostateczna diagnoza zawsze będzie wystawiana przez lekarza, system informatyczny może wysuwać tylko pewne propozycje. Przykłady zdigitalizowanych obrazów próbek: |