Projekt Unijny Cytology-Ai
Cel Projektu
Ten projekt dotyczy stworzenia systemu do klasyfikacji i detekcji nieprawidłowości w obrazie mikroskopowym w ramach badań cytologicznych opartego na uczeniu maszynowym.
Projekt ten pozwala wykryć nieprawidłowości w badaniach laboratoryjnych we wczesnych stadiach chorobowych. Pozwala to na szybką diagnozę i reakcję w celu leczenia pacjentek zagrożonych rakiem szyjki macicy.
Zdrowie Pacjentek
Badanie cytologiczne to podstawowe badanie profilaktyczne dla kobiet, którego regularne wykonywanie pozwala na wczesne wykrycie chorób oraz raka szyjki macicy i stanów przedrakowych.
Jest podstawowym i najważniejszym badaniem w ocenie stanu prawidłowej jak i zmienionej patologicznie szyjki macicy. Jakość oceny cytologicznej dzięki projektowi pozwala na wykrycie wczesnego stadium choroby i szybką diagnozę.
Co daje badanie?
Badanie pozwala na wykrycie wczesnego stadium chorobowego. Szybka diagnoza daje możliwość szybkiego leczenia, co poprawi komfort życia pacjentek.
Szczegóły projektu
Zakres prac badawczych w głównej mierze polegał na zbudowaniu silnika detekcji nieprawidłowości w strukturze komórkowej. Docelowo powstał rdzeń systemu, który na wyjściu przyjmuje zdjęcie mikroskopowe z badania cytologicznego a na wyjściu zwraca parametry związane z diagnozą (np. ilość komórek zdrowych, zdeformowanych itd.). Stanowi podstawowy system wsparcia decyzji diagnostycznych wydawanych przez specjalistę.
Dlatego też w początkowym etapie prac powstało narzędzie do etykietowania. Podstawą do etykietowania jest zdjęcia mikroskopowe. Zdjęcia te jest pokazywane a specjalista medyczny oznacza obiekty zainteresowania prostokątem jako obszar w którym się znajdują komórki i nieprawidłowości. Każdy z obiektów można oznaczyć odpowiednim ”tagiem” symbolizującym rodzaj obiektu. W konsekwencji system docelowy właśnie takie obiekty rozpatruje.
Następnie wszelkie etykietowane próbki trafią do jednej bazy danych i w ramach prac badawczych są dzielone na dane uczące i dane testujące. Cykl ten jest powtarzany codziennie z całym procesem uczenia ale także z losowaniem i podziałem samych próbek.
Zostanały stworzone algorytmy filtrujące i poprawiające obraz i co ważne algorytmy kalibrująca, aby zarówno dane uczące jak i późniejsze dane diagnostyczne przyjmowały jak najbardziej podobną formę. Powstały także algorytmy odszumiające i dbające o poprawność danych.
Algorytm także bada czy dana próbka spełnia wymagania medyczne pod względem diagnostyki (np. czy jest wystarczająco dużo komórek na zdjęciu, nie są rozmazane, nie nakładają się) i że zostały prawidłowo pobrane i naniesione na szkło mikroskopu.
Powstały także moduły rozwojowe pozwalające integrację ze źródłami zdjęć:
- kamery mikroskopowe
- skanery mikroskopowe
- katalogi komputerowe z wgranymi zdjęciami.
Pod względem biznesowym zakładamy, że każde laboratorium (klient) może posiadać rdzeń systemu u siebie lub będzie korzystać z rdzenia w chmurze mając swoje konto. Kamery, skanery są wdrażane w ramach samego laboratorium, aby maksymalnie uprościć i zautomatyzować sam proces. Wyniki są dostępne w przeglądarce, mailowo w postaci raportów zbiorczych.
Wynik jest tylko sugestią diagnozy, która musi zostać docelowo i tak przeprowadzona przez specjalistę cytologa.
Wartość dodana całego systemu to odpowiednie sortowanie próbek do analizy przez cytologa. Została stworzona miara określająca prawdopodobieństwo choroby i według tej miary będzie sortowanie.
Dodatkowo system eliminuje oczywiste pomyłki ludzkie i przeoczenia lekarza.
Jednak ostateczna diagnoza opiera się na opinii specjalisty.
W pracach badawczo-rozwojowych i wytworzonych algorytmów uczenia maszynowego porównane zostały osoby zdrowe do chorych oraz do osób z lekkimi oznakami choroby.
System
Skontaktuj się by uzyskać autoryzację lub informacje odnośnie systemu i szczegółów współpracy z projektem.
Polish Venture Fund
Projekt powstał dzięki Polish Venture Fund Firmie Inwestującej w projekty badawczo-rozwojowe z obszaru technologii medycznych.