Ученые Саратовского национального исследовательского государственного университета имени Н.Г. Чернышевского (СГУ) и Саратовского государственного медицинского университета имени В.И. Разумовского разработали мультимодальный неинвазивный метод диагностики рака кожи, позволяющий с точностью 96 % различать злокачественные и доброкачественные новообразования. Это открывает путь к быстрой диагностике, способной сократить число биопсий — инвазивных вмешательств.
Традиционная биопсия требует нарушения целостности кожи, а гистологический анализ занимает до нескольких недель. Неинвазивные же методы недостаточно надежны: одни видят только верхние слои кожи, другие не дают клеточного разрешения, третьи сильно зависят от индивидуальных особенностей ткани.
Авторы работы объединили несколько способов диагностики в единый комплекс, чтобы компенсировать их слабые стороны и повысить точность. Для этого ученые использовали данные трех методов: оптической когерентной томографии (ОКТ), спектроскопии диффузного отражения (СДО) и высокочастотного ультразвукового исследования (ВЧУЗИ). Для каждого из них определили числовые показатели: для первого — особенности строения ткани, для второго — показатели крови и пигмента, для третьего — форму и размеры новообразования.
Данные обрабатывали с помощью алгоритмов машинного обучения. Для каждого из трех диагностических способов обучили отдельную программу, а их выводы объединили. Это позволило ставить диагноз, даже если какой-то из методов не удалось применить. Чувствительность при выявлении злокачественных опухолей составила 99 %, специфичность — 96 %, при этом доброкачественные распознавались в 91 % случаев. Эти показатели значительно превосходят результаты предыдущих версий метода и зарубежных аналогов.
«Эти результаты подтверждают высокую диагностическую ценность комбинированного неинвазивного подхода для дифференциации новообразований кожи. Разработанный метод обладает значительным потенциалом для клинического применения в качестве точного неинвазивного инструмента быстрой дифференциальной диагностики. В дальнейшем мы планируем расширить выборку пациентов, внедрить более продвинутые модели машинного обучения, учитывающие межмодальные корреляции, улучшить дифференциацию клинических типов новообразований и исследовать новые диагностические признаки», — рассказала один из авторов исследования, ассистент кафедры оптики и биофотоники СГУ Изабелла Серебрякова.
Работа выполнена при финансовой поддержке Минобрнауки России в рамках госзадания.
