A mesterséges intelligencia (MI) egyre meghatározóbb szerepet tölt be az emlőrák diagnosztikájában és prognosztikai értékelésében. Egy nemzetközi kutatócsoport, amelynek munkájában részt vett Dr. Pollner Péter, intézetünk munkatársa, egy új, erőforrás-hatékony mélytanulási megközelítést dolgozott ki a daganatok patológiai stádiumának (pTNM) meghatározására.
A kutatás különlegessége, hogy a hagyományosan alkalmazott nagy nagyítású digitális patológiai képek helyett alacsonyabb felbontású (2,5×) teljes metszeti képeket (WSI) használ, jelentősen csökkentve a számítási igényt és az adattárolási terhelést. A fejlesztett modell képes a daganat kiterjedésére és nyirokcsomó-érintettségére utaló mintázatok azonosítására pusztán szövettani képek alapján.
Az eredmények azt mutatják, hogy még ilyen alacsony nagyítás mellett is megbízhatóan kinyerhetők a stádium szempontjából releváns információk, ami új lehetőségeket nyithat a mesterséges intelligencia klinikai alkalmazásában, különösen olyan környezetekben, ahol korlátozottak a technológiai erőforrások. Dr. Pollner Péter és munkatársainak a hozzájárulása így nemcsak módszertani, hanem gyakorlati szempontból is jelentős előrelépést képvisel a skálázható, valós környezetben is alkalmazható digitális patológiai megoldások fejlesztésében.
A teljes angol nyelvű publikáció itt érhető el: Deep-learning-based breast cancer stage prediction from H&E-stained whole-slide images in resource-constrained settings
