Uczenie maszynowe jako wspomaganie diagnostyki histopatologicznej

W jednym z ostatnich wydań International Journal of Dermatology został opublikowany artykuł pod tytułem „Detection of basal cell carcinoma by machine learning-assisted ex vivo confocal laser scanning microscopy” autorów Avci P, Düsedau MC, Padrón-Laso V i inni.

Artykuł opisuje zastosowanie mikroskopii konfokalnej ex vivo (EVCM) wspomaganej uczeniem maszynowym do wykrywania raka podstawnokomórkowego (BCC). EVCM umożliwia niemal natychmiastową ocenę histopatologiczną badanych tkanek, co może znacznie przyspieszyć proces diagnostyczny w porównaniu do tradycyjnych metod histopatologicznych. Jednakże, rozpoznawanie cech histopatologicznych na obrazach EVCM wymaga specjalistycznego szkolenia i dużego doświadczenia, co ogranicza jego kliniczne zastosowanie.

Rak podstawnokomórkowy (BCC) jest najczęstszym typem raka skóry. Mimo niskiej śmiertelności, jego rosnąca częstość występowania stanowi znaczne obciążenie dla systemów opieki zdrowotnej. Leczenie BCC często wymaga terapii miejscowej lub chirurgicznej. Podczas tej procedury tkanka nowotworowa jest usuwana krok po kroku, a marginesy są oceniane za pomocą pobranych preparatów. EVCM może być alternatywą, redukując czas oczekiwania i eliminując artefakty związane z przygotowywaniem preparatów.

W opisywanym badaniu wykorzystano próbki świeżych tkanek z histologicznie potwierdzonym BCC do wygenerowania 50 obrazów EVCM. Następnie, architektura sieci neuronowej MobileNet-V1 została przeszkolona i sprawdzona za pomocą dziesięciokrotnej walidacji krzyżowej.

Próbki tkanek od 46 pacjentów (33 mężczyzn, 13 kobiet, średnia wieku 68,7 lat) zostały zeskanowane za pomocą urządzenia VivaScope 2500-G4. Próbki>