Dobro izvedena operacija tumora jedan je od ključnih elemenata uspješnosti liječenja zloćudnih bolesti. Dio zdravog tkiva koji se odstranjuje zajedno s tumorom važan je pokazatelj uspješnosti operacije i petogodišnjeg preživljenja pacijenata. No, zbog čestog prodiranja tumora u okolno tkivo, iznimno je zahtjevno precizno odrediti gdje rezati. U tome bi mogla pomoći metoda koju su razvili znanstvenici s Instituta "Ruđer Bošković" (IRB). U suradnji s međunarodnim partnerima i domaćim bolnicama, razvili su metodu računalne patologije koja omogućuje preciznije određivanje granica tumora. Istraživanje je trajalo osam godina, a uspješnost metode su pokazali na primjeru metastaza raka debelog crijeva u jetri.

Nove mogućnosti

Tim pod vodstvom dr. sc. Ivice Koprive iz Laboratorija za strojno učenje i reprezentacije znanja IRB-a, u suradnji s kanadskom tvrtkom Photon te djelatnicima KB-a Dubrava, KBC-a Zagreb i Tehničkog sveučilišta u Műnchenu, razvio je metodu računalne analize hiperspektralne slike histopatoloških preparata koja s više od 96 posto preciznosti razlikuje tumorske od zdravih stanica na razini piksela. Za razliku od uobičajenih metoda umjetne inteligencije, ovaj algoritam treba tek oko jedan posto ručno označenih podataka patologa.

Metode računalne patologije tradicionalno se oslanjaju na RGB (kolor) slike histopatoloških preparata, što znači da koriste samo informacije vidljive ljudskom oku. Time se gubi velikdio podataka koji se nalaze izvan vidljivog spektra, dok je hiperspektralno snimanje tehnologija koja otkriva mnogo širi raspon informacija i otvara nove mogućnosti u medicini. Uz to, proces pripreme histopatoloških preparata može dovesti do razlika u kvaliteti snimljenih slika te iste vrste tkiva mogu izgledati različito, što otežava računalnu analizu. Ruđerov je tim razvio novu metodu umjetne inteligencije koja može učiti iz vrlo malog broja označenih primjera, a precizno razlikuje tumorske od zdravih stanica već na razini pojedine slike. Ona je jednostavnija, učinkovitija i otvara put za bržu i praktičniju integraciju u kliničko okruženje.

Kako bi testirali svoju metodu, tim na čelu s dr. sc. Koprivom je tijekom osam godina na operacijama u KB-u Dubrava prikupio uzorke jetre 19 pacijenata s metastazama kolorektalnog karcinoma, a 27 hiperspektralnih slika na prikupljenim histopatološkim preparatima 14 pacijenata snimljeno je u tvrtki Photon etc, Montreal, Kanada. Koristeći tzv. pseudo RGB slike, patolozi su uz pomoć odgovarajućeg programskog alata označili tumorske i netumorske piksele, a razvijeni model pokazao je da može prepoznati tumorske dijelove i u najzahtjevnijim uvjetima, objašnjava Kopriva. Rezultati koje su znanstvenici dobili su vrlo uvjerljivi.

Otvorenost i potencijal

- Nova metoda, nazvana GM-TSSA, uspjela je detektirati tumorske regije s preciznošću većom od 96 posto, koristeći pritom samo jedan posto ručno označenih piksela. Drugim riječima, postigla je značajno bolju točnost nego šest različitih arhitektura dubokih neuronskih mreža koje za učenje zahtijevaju daleko više označenih podataka. To ovu metodu čini potencijalno pogodnom za stvarne kliničke uvjete, u kojima često nema vremena ni resursa za označavanje tisuća uzoraka ili treniranje vrlo zahtjevnih modela - navodi znanstvenik.

Posebna vrijednost projekta leži i u njegovoj otvorenosti. Cijeli skup podataka objavljen je na repozitoriju IRB-a, dok je izvorni kod dostupan preko GitHub platforme. To omogućuje drugim znanstvenicima da metodu testiraju, dorade ili primijene na druge vrste karcinoma, čime se ubrzava razvoj i širenje kliničke primjene. U konačnici, tehnologija hiperspektralnog oslikavanja u kombinaciji s algoritmima za analizu slike ima potencijal asistiranja kirurgu za vrijeme operacije, što može značiti precizniju procjenu i produljiti život pacijenta.

Cijelo istraživanje objavljeno je u renomiranom znanstvenom časopisu Computers in Biology and Medicine, jednom od najutjecajnijih u području biologije i računalnih znanosti. To potvrđuje visoku znanstvenu vrijednost i potencijal ove metode za široku primjenu, ističu u Institutu "Ruđer Bošković". Projekt je financiran sredstvima Hrvatske zaklade za znanost.