Новая платформа искусственного интеллекта помогает повысить надёжность диагностики рака

Группа под руководством ассистента-профессора Политехнического университета Гонконга Чжан Сяогэ разработала доверенную платформу искусственного интеллекта TRUECAM, предназначенную для анализа изображений целых гистологических слайдов и классификации подтипов немелкоклеточного рака лёгкого. Платформа одновременно повышает проверяемую надёжность данных и ИИ-моделей, закладывая важную основу для безопасного применения патологического искусственного интеллекта в диагностике рака. Результаты работы опубликованы в журнале Nature Biomedical Engineering.

TRUECAM способна оценивать степень уверенности ИИ в диагностическом результате и активно уведомлять врача о необходимости перепроверки, если результат обладает высокой неопределённостью или входные данные выходят за пределы области применимости модели. Платформа совместима с различными типами ИИ-моделей и поддерживает полный аналитический цикл — от патологических изображений до диагностического заключения, помогая медицинскому персоналу более надёжно использовать результаты ИИ-диагностики. В основе работы лежит технология целых слайдов: сканирование тканевых срезов со стеклянных предметных стёкол в изображения высокого разрешения, позволяющее врачам изучать патологические образцы на компьютере в режиме «виртуального микроскопа».

Исследование показало, что TRUECAM применима не только к классификации подтипов немелкоклеточного рака лёгкого, но и может быть расширена на подтипы рака молочной железы, мозга и почек, охватывая даже классификацию общераковых срезов по 46 категориям, что демонстрирует широкие перспективы применения и клиническую ценность технологии. Как универсальная платформа TRUECAM применима к патологическим ИИ-моделям разного масштаба, архитектуры, назначения и сложности и поддерживает ответственное клиническое применение. Она обладает тремя ключевыми функциями: выявление входных данных, «выходящих за пределы области применимости», автоматический отбор двусмысленных и трудноразличимых областей изображения и применение технологии «конформного прогнозирования», удерживающей уровень диагностических ошибок в приемлемых пределах. По словам Чжан Сяогэ, команда продолжает исследовать другие типы данных — молекулярные профили, секвенирование РНК и диагностические отчёты, — расширяя потенциальную сферу применения платформы.