Учёные лабораториилазерного молекулярного имиджинга и машинного обучения ТГУ в рамках проекта, поддержанного мегагрантом правительства РФ, разработали новый междисциплинарный подход для раннего выявления лимфедемы. Основными инструментами в диагностике выступают технологии машинного обучения, матмоделирование и двухфотонная микроскопия. Результаты исследований, полученных в ходе разработке нового подхода, легли в основу кандидатской диссертации сотрудника лаборатории Виктора Николаева. В конце декабря молодой учёный успешно защитил научную работу в диссертационном совете по специальности «Биофизика» на базе Саратовского государственного университете имени Н.Г. Чернышевского.
– Тема диссертации находится на стыке физики, биологии и математики, – говорит научный руководитель Виктора Николаева, заведующий лабораторией лазерного молекулярного имиджинга и машинного обучения ТГУ Юрий Кистенёв. – Целью диссертационной работы является разработка и апробация неинвазивного метода диагностики лимфедемы, в основе которого лежит регистрация изменений структуры и пространственного распределения коллагена и содержания эластина в коже с использованием двухфотонной микроскопии и анализ методами машинного обучения.
В последние три десятилетия активно развиваются оптические методы диагностики, которые позволяют ставить диагнозы неинвазивно, с высокой степенью точности. Чаще всего для визуализации ткани требуется использование специальных флуоресцентных меток, что усложняет процесс изучения.
– В моей работе использовалась современная двухфотонная микроскопия, которая позволяет визуализировать некоторые белки без дополнительного окрашивания, – рассказывает сотрудник лаборатории лазерного молекулярного имиджинга и машинного обучения ТГУ Виктор Николаев. – Данный метод имеет глубину визуализации до 200-400 микрометров с пространственным разрешением около 1 микрометра, что хорошо подходит для исследования верхних слоев кожи – эпидермиса и папиллярной дермы.
Сложностью в анализе полученных изображений является то, что они содержат большой объем информации, из которого необходимо извлечь только самое важное (информативные признаки). Основной идей при выборе информативных признаков было предположение, что при развитии заболевания происходит дезорганизация коллагеновых волокон и деградация эластина. Для оценки степени дезорганизации коллагена был предложен модифицированный метод гистограмм ориентированных градиентов, который, например, широко применяется для распознавания лиц. Для проверки разработанного подхода были созданы модельные данные, имитирующие структуры коллагена с разной степенью дезорганизации.
В рамках диссертации была разработана предиктивная модель диагностики лимфедемы по данным двухфотонной микроскопии, использующая комбинацию модифицированного метода гистограмм ориентированных градиентов, машины опорных векторов и метода «голосования большинством», которая на тестовой выборке показала точность классификации 96%. Разработанные подходы будут использованы в рамках выполнения мегагранта для диагностики и других заболеваний.
Для справки:
Цель проекта «Разработка методов скрининговой неинвазивной диагностики вирусных и бактериальных респираторных инфекций с использованием лазерной спектроскопии и методов искусственного интеллекта», реализуемого при поддержке мегагранта правительства РФ, – создание инновационных подходов, которые позволят уменьшить время диагностики в сотни раз: с нескольких дней до нескольких минут.