Ученые разработали нейросеть для ускорения анализа меланомы в 15 раз
Специалисты Института цитологии и генетики Сибирского отделения РАН в сотрудничестве с Научно-исследовательским институтом клинической и экспериментальной лимфологии создали инструмент на основе искусственного интеллекта, который значительно ускоряет обработку электронно-микроскопических изображений при исследовании меланомы. Новая разработка, как сообщает издание СО РАН «Наука в Сибири», уменьшает время анализа одного изображения с получаса до двух минут, что соответствует десяти- или пятнадцатикратному увеличению производительности. Это открывает новые горизонты для выявления уязвимых мест злокачественных клеток и разработки более эффективных противораковых препаратов. Об этом рассказывает Ferra.
Исследователи сосредоточили внимание на двух важных внутриклеточных компонентах — митохондриях, которые отвечают за выработку энергии, и эндоплазматическом ретикулуме, который служит хранилищем ионов кальция. Их взаимодействие имеет критическое значение для клеточной сигнализации, и нарушение этой связи, как отметила старший научный сотрудник НИИКЭЛ Юлия Таскаева, лишает опухолевые клетки способности получать сигналы к апоптозу — запрограммированной гибели. Участки соприкосновения этих структур рассматриваются учеными как наиболее перспективная мишень для будущих терапевтических стратегий, воздействуя на которые можно остановить неконтролируемое размножение раковых клеток.
Традиционно исследование этих контактов в опухолевых тканях осуществляется с помощью электронной микроскопии, однако ручная расшифровка сотен микрофотографий занимала у ученых недели и даже месяцы. Для решения этой проблемы была создана нейросеть, способная автоматически распознавать на снимках митохондрии и эндоплазматический ретикулум, а затем определять зоны их соприкосновения и вычислять ключевые морфометрические параметры, включая количество контактов и их длину. Для удобства пользователей разработан веб-сервис: достаточно загрузить изображение, и система мгновенно предоставляет готовую таблицу с расчетами, избавляя исследователей от рутинной работы по подсчету структур.
Обучение алгоритма проводилось на сотнях электронно-микроскопических изображений клеток мышиной меланомы. Этот тип опухоли был выбран не случайно, так как он давно служит стандартной моделью в лабораторных экспериментах, что позволило быстро накопить обширную базу примеров для тренировки нейросети. Как сообщил старший научный сотрудник ИЦиГ СО РАН Михаил Генаев, в основе разработки лежат современные методы компьютерного зрения, однако процесс обучения столкнулся с серьезными трудностями: снимки, полученные с электронного микроскопа, часто содержат дефекты, артефакты и размытые границы, что усложняет автоматическое распознавание объектов. Тем не менее, авторам удалось добиться стабильной работы алгоритма.
На данный момент модель адаптирована исключительно для меланомы, однако исследователи планируют расширить ее применение на другие типы опухолей, а также адаптировать для анализа биопсийного материала человека. В будущем это позволит использовать нейросеть не только в фундаментальной науке, но и в клинической практике для быстрой оценки тканей пациентов. Результаты работы были опубликованы в международном рецензируемом журнале Journal of Imaging, что подтверждает признание разработки мировым научным сообществом.
