Исследование FAU достигло 84% точности в неинвазивной диагностике рака кожи с помощью ИИ и спектроскопии

Введение

Рак кожи остается серьезной глобальной проблемой здравоохранения, ежегодно диагностируются миллионы новых случаев. Только в Соединенных Штатах немеланомные виды рака кожи, такие как базальноклеточная карцинома (БКК) и плоскоклеточная карцинома (ПКК), поражают миллионы людей каждый год, в то время как меланома, хотя и менее распространена, особенно агрессивна. Раннее выявление имеет первостепенное значение для успешного лечения, однако отличить раковые поражения от доброкачественных или предраковых может быть визуально сложно. Текущий золотой стандарт — биопсия — является инвазивным, дорогостоящим и может приводить к ненужным процедурам при доброкачественных образованиях. Эта реальность подчеркивает острую потребность в быстрых, неинвазивных диагностических инструментах, которые могут точно выявлять рак кожи, тем самым минимизируя ненужные биопсии и улучшая исходы для пациентов.

Ключевые детали

• Используемая технология: Рамановская спектроскопия в сочетании с машинным обучением (ИИ).
• Методология: Рамановская спектроскопия анализирует молекулярный «отпечаток» ткани, наблюдая за рассеянием света, что позволяет определить химический состав без удаления ткани.
• Образец исследования: Проанализировано более 50 клинических образцов кожи (БКК, ПКК и нормальная кожа) ex vivo.
• Сгенерированные данные: Почти 1000 рамановских спектров.
• Тестируемые модели машинного обучения: K-ближайших соседей, метод опорных векторов, мелкая нейронная сеть.
• Основные выводы: Несколько подходов машинного обучения успешно отличали нормальную кожу от раковой ткани.
• Максимальная точность: Классификаторы K-ближайших соседей и метод опорных векторов достигли общей тестовой точности около 84%.
• Конкретные показатели: Метод опорных векторов показал чувствительность 78,7% и специфичность 88,6%. Мелкая нейронная сеть достигла точности 80,8% и наивысшей площади под кривой рабочей характеристики приемника (ROC AUC) — 0,910.
• Молекулярные сигнатуры: Раковые образцы показали более сильные сигналы, связанные с белками, в то время как нормальная ткань имела более сильные сигналы, связанные с липидами.

Предыстория

Проблема точной диагностики поражений кожи давно находится в центре внимания дерматологов и исследователей. Хотя визуальный осмотр и анамнез дают первоначальные подсказки, окончательный диагноз часто зависит от гистопатологического исследования биопсийной ткани. Этот процесс, хотя и эффективен, имеет свои недостатки. Биопсии — это хирургические процедуры, связанные с риском инфекции, рубцевания и боли. Кроме того, значительный процент биопсий выполняется при образованиях, которые оказываются доброкачественными, что приводит к ненужным расходам на здравоохранение и беспокойству пациентов. Поэтому разработка передовых диагностических технологий, которые могут предложить неинвазивную, быструю и точную оценку поражений кожи, является приоритетом в медицинских исследованиях.

Анализ воздействия

Исследование Университета Флориды Атлантик (FAU) представляет собой многообещающий прорыв в этой области. Используя рамановскую спектроскопию, исследователи могут получать подробную молекулярную информацию о ткани без какого-либо физического вмешательства. Этот метод исследует колебательные моды молекул, создавая уникальную спектральную сигнатуру, отражающую биохимический состав ткани. Интеграция алгоритмов машинного обучения имеет решающее значение для интерпретации этих сложных спектральных наборов данных. ИИ может выявлять тонкие закономерности и корреляции в спектрах, которые могут быть незаметны человеческому глазу или традиционным методам анализа. Сообщаемая точность до 84% в различении раковой и нормальной кожи является значительным шагом вперед, предполагая, что эта технология может потенциально служить дополнением к биопсии или даже инструментом предварительного скрининга перед ее назначением. Сокращение ненужных биопсий может привести к существенной экономии затрат для систем здравоохранения и более комфортному, менее инвазивному опыту для пациентов.

Более широкий контекст

Это исследование соответствует более широкой тенденции в медицине, связанной с применением искусственного интеллекта и передовых оптических методов для диагностики заболеваний. Аналогичные подходы исследуются для выявления рака других органов, таких как рак молочной и легкой железы, а также для выявления инфекционных и неврологических заболеваний. Слияние спектроскопии, предоставляющей богатые молекулярные данные, и машинного обучения, преуспевающего в распознавании образов в больших наборах данных, предлагает мощную парадигму для диагностики следующего поколения. Портативность систем рамановской спектроскопии, продемонстрированная мобильной установкой, использованной в исследовании FAU, еще больше повышает ее потенциал для широкого клинического применения, в том числе в условиях с ограниченными ресурсами или при использовании в месте оказания медицинской помощи.

Перспективы на будущее

Исследователи признают, что текущее исследование является предварительным, а достигнутая точность представляет собой начальный ориентир. Следующие шаги включают проведение крупномасштабных исследований с участием более разнообразных групп пациентов и более широкого спектра типов поражений кожи. Ожидается, что оптимизация моделей машинного обучения, включая исследование более сложных глубоких нейронных сетей, позволит дополнительно повысить диагностическую эффективность. Конечная цель — разработать систему, которая будет не только высокоточной, но и практичной, портативной и доступной для регулярного клинического использования. В случае успеха эта технология может революционизировать методы скрининга и диагностики рака кожи, потенциально приведя к более раннему выявлению и повышению показателей выживаемости. Способность различать БКК и ПКК, которые в данном исследовании показали некоторое спектральное перекрытие, будет ключевой областью для будущих усовершенствований.

Заключение

Исследование FAU представляет собой значительный шаг на пути к неинвазивной диагностике рака кожи. Умело объединив молекулярные данные рамановской спектроскопии с возможностями распознавания образов ИИ, исследователи продемонстрировали жизнеспособный путь к точной идентификации раковой кожи. Хотя необходима дальнейшая валидация и доработка, потенциал для сокращения инвазивных биопсий, повышения скорости диагностики и улучшения принятия клинических решений делает это исследование весьма многообещающим в продолжающейся борьбе с раком кожи.

«Наши результаты предварительны, но они указывают на будущее, в котором быстрое неинвазивное измерение может помочь в принятии клинических решений и потенциально сократить ненужные биопсии», — сказал Эндрю Терентис, доктор философии, старший автор исследования.

Исследование было опубликовано в Proceedings of SPIE как часть Advanced Chemical Microscopy for Life Science and Translational Medicine 2026. Среди ключевых соавторов — Венката Дхулипалла, Джон Страссвимер, Фуонг Нгуен, Лиззи Кляйн и Макс Маккейн.