Специалисты лаборатории биофотоники ТГУ и сотрудники НИИ микрохирургии (Томск) объединили усилия для создания нового инструмента, предназначенного для диагностики лимфедемы – серьезного заболевания, которое может возникать в результате радикальной терапии некоторых видов рака.
Нарушение оттока лимфы вызывает значительные отеки и воспаление в конечностях. С помощью многофотонной микроскопии, компьютерного анализа изображений, применяемого для распознавания лиц, и машинного обучения ученым удалось разработать способ выявления ранних признаков этого осложнения.
«Такая патология, как лимфедема возникает вследствие нарушения оттока лимфы и закупорки лимфатических путей, – говорит заведующий лабораторией биофотоники, исполнительный директор Института биомедицины ТГУ Юрий Кистенев. – Лимфедема бывает генетически обусловленной, но часто встречается приобретенная или вторичная форма. Она может развиваться под влиянием разных факторов, в том числе после хирургического вмешательства, например, у пациенток, перенесших радикальное лечение рака молочной железы».
Оценка лимфедемы обычно включает измерение объема пораженной конечности. Для этого конечность пациента погружают в жидкость. Этот метод часто вызывает у пациентов неприятные ощущения, однако его основной проблемой является низкая эффективность на начальных этапах развития заболевания.
Разработан новый метод, основанный на трансформации поверхностей тканей и изменениях структуры коллагена – наиболее распространенного белка в организме человека, являющегося основой всех тканей. Для обнаружения этих изменений применяется многофотонная микроскопия, инструментальный метод, позволяющий исследовать ткани на межклеточном уровне непосредственно в живом организме без необходимости забора образцов. Полученные изображения оцениваются с использованием компьютерного анализа и методов машинного обучения.
«По словам Юрия Кистенева, в данной работе был применен метод гистограммы ориентированных градиентов. Этот метод, появившийся относительно недавно, в настоящее время широко используется для распознавания образов, в том числе для распознавания лиц. Задача заключалась в необходимости различать не индивидуальные особенности тканей у конкретного пациента, а характерные черты, свойственные группе людей с лимфедемой. Для решения этой задачи с помощью математического моделирования были подобраны параметры данного метода».
Для прогнозирования и диагностики лимфедемы исследователи создали модель, основанную на методах машинного обучения. На этапе тестирования точность модели составила приблизительно 95 процентов. По мнению специалистов, ранняя диагностика этого заболевания позволит добиться более эффективных результатов лечения.
Результаты исследований опубликованы в журнале Biomedical optics express (Q1). Статья Application of multiphoton imaging and machine learning to lymphedema tissue analysis была признана лучшей статьей выпуска. Проект реализован при поддержке гранта РФИИ и администрации Томской области.