Веб-платформа повышает эффективность исследований рака, подбора лечения и проведения операций

Глобальная задача — помочь ученым и исследователям бороться с раком и другими серьезными заболеваниями. Разработать веб-платформу, которая будет использоваться для исследований в области онкологии, хирургии и дерматологии:

— позволит запускать и применять программы для глубокого анализа томографических сканов;

— сможет собирать и анализировать данные, которые до этого были недоступны;

— справится с образцами, которые раньше было сложно анализировать;

— будет автоматически выдавать необходимую информацию врачам и ученым;

— позволит делиться результатами с коллегами.

Клиент — компания «Оптикэластограф», разрабатывает программы, которые помогают развивать медицинские исследования во всем мире.

Программы обрабатывают томографические сканы и дают новую информацию о свойствах биоткани. Например, они могут визуализировать кровеносные сосуды, находить зависимости между параметрами, строить карты деформаций и жесткости тканей, моделировать новые сканы — подсветить то, что нужно увидеть врачу или исследователю.

Новые данные помогают ученым в борьбе с раком: повышают точность диагноза, помогают увидеть четкие края опухоли и подобрать лечение, увеличивают шансы сохранить орган при операции. Кроме онкологии данные такого порядка нужны в хирургии, косметологии, разработке и тестировании лекарств.

Сами программы для обработки можно установить на ПК в лаборатории и использовать стационарно. Выведение программ на веб-платформу открывает новые возможности для исследований, поскольку позволяет врачам и ученым:

— экономить время на обработке сканов;

— обмениваться опытом с коллегами;

— выводить новые методы и подходы;

— обучать специалистов;

— собирать и размечать большие data-сеты для обучения искусственного интеллекта (ИИ).

Riverstart создали платформу OpticElastograph, предназначенную для ученых, сотрудников НИИ, медицинских клиник и лабораторий. Она позволяет запускать программы для анализа сканов и автоматически получать новую информацию о биотканях, более подробную, чем дает традиционное гистологическое исследование.

К примеру, так выглядит ответ опухоли на химиотерапию (скриншот из статьи об исследовании— nature.com/articles/s41598-020-68631-w).

Эффективность методов анализа, которые позволяет применить OpticElastograph, подтвердили исследованиями. Сотрудники «Оптикэластограф» провели исследования в коллаборации с НИИ Экспериментальной онкологии и биомедицинских технологий ПИМУ, Институтом фотонных технологий РАН и Сеченовским университетом.

В работах участвовала мультимодальная оптическая когерентная томография (ОКТ) — это значит, что анализировали не только структурные изображения, но и более глубокие параметры. Например, вычисляли деформации биотканей, анализировали жёсткость — использовали ту информацию, которую дает OpticElastograph.

К примеру, в онкологии использование мультимодальной ОКТ помогает:

1. С большей вероятностью сохранить орган, потому что точно определяет границы опухоли и здоровой ткани.

2. Определить подтип рака и подобрать лечение, поскольку может автоматически сегментировать объекты, получать морфологический состав тканей, определять границы резекции и агрессивность опухоли.

3. Анализировать информацию, которую раньше было невозможно получить. К примеру, эластичность образцов тоньше одного миллиметра.

4. Уменьшить необходимое для исследования количество животных, на коже которых выращивают опухоли, потому что позволяет контролировать опухоль неинвазивно, сокращая количество биопсий.

Ссылки на статьи об упомянутых исследованиях:

— nature.com/articles/s41598-020-68631-w

— opg.optica.org/boe/fulltext.cfm?uri=boe-11-3-1365&id=427463

— mdpi.com/2075-4418/10/12/994

— opg.optica.org/boe/fulltext.cfm?uri=boe-14-6-3037&id=531112

Пользователи платформы — исследователи, ученые, сотрудники клиник и лабораторий — загружают в систему сканы и запускают задачи на обработку. Сканы тяжеловесные, их неудобно загружать через веб-интерфейс, поэтому для загрузки используется S3-хранилище. В нем хранятся исходные файлы и результаты обработки.

Платформу можно персонализировать под потребности отдельных пользователей. Например, добавлять алгоритмы под конкретные задачи, биоткани, органы и приборы.

Администрируют сервис сотрудники ООО «Оптикэластограф». Они назначают пользователям уникальные контейнеры для обработки, настраивают в них поля, по которым система будет анализировать сканы, и регулируют мощность виртуальной машины, требуемой для обработки.

Платформа работает с томограммами обычного оптического когерентного томографа (ОКТ), и записями оптического когерентного эластографа (ОКЭ).

Пользователь может загрузить в систему сканы и применить модальности, разработанные для анализа — программы с набором параметров. К примеру:

— эластографию — картирование жёсткости биоткани;

— деформационный имаджинг — картирование деформаций различной природы;

— анализ амплитудного сигнала;

— ангиографию — контрастное исследование кровеносных сосудов;

— и другие.

После загрузки сканов пользователь формирует задачу и запускает анализ. Сервис интегрирован с кластером обработки: кластер выполняет задачу, сервис выводит результат в интерфейсе. Через веб-интерфейс удобно загружать файлы в облачное хранилище.

Ускорить работу можно с помощью массовых задач, выбрав сразу несколько сканов из файлового хранилища и применив к ним обработчик с нужными параметрами. Параметры, которые программа применит к выбранным файлам, можно скорректировать.

К примеру, так выглядит вывод результата в интерфейс платформы. Обработка позволяет сегментировать верхний слой биоткани трёхмерного ОКТ-скана с возможностью просмотреть и оценить среднюю толщину слоя покадрово и на всем трехмерном снимке.

Обработка позволяет анализировать биомеханику ткани по ОКТ-записи. В интерфейс выводится структурное изображение, эластограмма, спектр жёсткости и зависимости параметров друг от друга: давления от деформации биоткани, жесткости от деформации и жесткости от давления.

Для оптимизации работы в сервисе предусмотрено динамическое управление нагрузкой: при появлении нагрузки система создает виртуальные машины для обработки задач и удаляет их, если нагрузки больше нет.

У пользователя есть баланс — количество доступных ему запусков контейнеров на обработку. Задачи запускаются по очереди, приоритет обработки имеют задачи от пользователя с наивысшим тарифом. Остальным пользователям нужно ждать чуть дольше: на 10 задач приоритетных пользователей система обрабатывает одну задачу простого.

Пользователю и администратору доступна подробная статистика по выполненным задачам и расходам. Исследовательский центр, клиника или другая организация могут формировать отчеты по затратам и проведенным обработкам сканов, следить за объемом файлового хранилища, куда они загружают сканы.

Статистики по времени: успешные, завершенные с ошибкой и отмененные задачи и статистика занятого облачного пространства.

Методы анализа, которые платформа OpticElastograph позволяет применить к биотканям, нужны для работы над клиническими задачами, решение которых сейчас ищут во всем мире.

В онкологии они помогают анализировать действие препаратов против опухолей, сокращать количество животных, нужных для исследования, определять подтип рака и подбирать эффективное лечение, сохранять органы при операциях.

Также методы эффективны в разработке и тестировании лекарств, офтальмологии, хирургии, косметологии и дерматологии.

Использование платформы позволит исследователям, ученым и медицинским работникам:

— работать с данными, которые раньше было невозможно или очень сложно получить;

— обмениваться с коллегами опытом и наработками;

— обучать специалистов и демонстрировать новые методы публике;

— собирать и размечать большие data-сеты для обучения ИИ, чтобы нейросеть помогала выявлять патологии и назначать лечение.

Платформа для обработки сканов OpticElastograph создана, протестирована и готовится к выходу на массовый рынок.

Сейчас в здравоохранении используют искусственный интеллект: в том числе, чтобы автоматизировать диагностику заболеваний, отслеживать динамику показателей, подбирать дозировки лекарств. При создании алгоритмов обработки сканов использовали методы статистического машинного обучения PCA, LDA, SVM. Разработчики также тестируют применение нейросетей для обработки показателей сканов и обнаружения патологий.