Un nuovo modello di Machine Learning può classificare i vetrini per il cancro polmonare
Il Machine Learning è migliorato notevolmente negli ultimi anni e si è rivelato molto promettente nel campo dell’analisi delle immagini mediche.
Un team di specialisti di ricerca guidato da Saeed Hassanpour, PhD, presso il Norris Cotton Cancer Center di Dartmouth ha sviluppato una rete neurale profonda (sfruttando il Machine Learning) per classificare i pattern tumorali e i sottotipi di adenocarcinoma polmonare su vetrini istopatologici ad un livello di accuratezza che si è dimostrato essere alla pari con quello di tre patologi.
Il nostro studio dimostra che il Machine Learning può raggiungere prestazioni elevate su un compito impegnativo di classificazione delle immagini e ha il potenziale per essere una risorsa per la gestione del cancro ai polmoni, afferma Hassanpour. L’implementazione clinica del nostro sistema sarebbe in grado di assistere i patologi per una classificazione accurata dei sottotipi di cancro al polmone, che è fondamentale per la prognosi e il trattamento.
Le conclusioni del team “Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks” sono state recentemente pubblicate in Scientific Reports.
Riconoscendo che l’approccio è potenzialmente applicabile ad altre attività di analisi delle immagini istopatologiche, il team di Hassanpour ha reso pubblico il proprio codice per promuovere nuove ricerche e collaborazioni in questo settore.
Oltre a testare il modello di apprendimento profondo in un ambiente clinico per convalidare la sua capacità di migliorare la classificazione del cancro al polmone, il team prevede di applicare il metodo ad altre attività di analisi delle immagini istopatologiche impegnative nel cancro al seno, esofageo e colorettale.
