Специалисты Института цитологии и генетики Сибирского отделения РАН совместно с коллегами из Научно-исследовательского института клинической и экспериментальной лимфологии разработали инструмент на основе искусственного интеллекта, который кардинально ускоряет обработку электронно-микроскопических снимков при изучении меланомы. Новая разработка, как сообщает официальное издание СО РАН «Наука в Сибири», сокращает время анализа одного изображения с получаса до двух минут, что эквивалентно десяти- или пятнадцатикратному приросту производительности. Это открывает новые возможности для поиска слабых мест злокачественных клеток и создания более эффективных противораковых препаратов.

В фокусе внимания исследователей оказались два ключевых внутриклеточных компонента — митохондрии, отвечающие за выработку энергии, и эндоплазматический ретикулум, служащий депо для ионов кальция. Их тесное взаимодействие играет критическую роль в клеточной сигнализации, и нарушение этой связи, как пояснила старший научный сотрудник НИИКЭЛ Юлия Таскаева, лишает опухолевые клетки способности получать сигналы к апоптозу — запрограммированной гибели. Именно участки соприкосновения этих структур учёные рассматривают как наиболее перспективную мишень для будущих терапевтических стратегий, воздействуя на которые можно остановить неконтролируемое размножение раковых клеток.

Традиционно исследование этих контактов в опухолевых тканях проводится с помощью электронной микроскопии, однако ручная расшифровка сотен микрофотографий занимала у учёных недели и даже месяцы кропотливого труда. Для преодоления этого барьера была разработана нейросеть, способная автономно распознавать на снимках митохондрии и эндоплазматический ретикулум, а затем автоматически определять зоны их соприкосновения и вычислять ключевые морфометрические параметры, включая количество контактов и их протяженность. Для удобства пользователей создан веб-сервис: достаточно загрузить изображение, и система мгновенно выдает готовую таблицу с расчетами, избавляя исследователей от рутинной работы по подсчету структур.

Обучение алгоритма проводилось на сотнях электронно-микроскопических изображений клеток мышиной меланомы. Этот тип опухоли был выбран не случайно, а потому что он давно служит стандартной моделью в лабораторных экспериментах, что позволило быстро накопить обширную базу примеров для тренировки нейросети. Как рассказал старший научный сотрудник ИЦиГ СО РАН Михаил Генаев, в основе разработки лежат передовые методы компьютерного зрения, однако процесс обучения столкнулся с серьёзными трудностями: снимки, полученные с электронного микроскопа, часто страдают от дефектов, артефактов и размытых границ, что осложняет автоматическое распознавание объектов. Тем не менее, авторам удалось добиться стабильной работы алгоритма.

На данный момент модель адаптирована исключительно для меланомы, однако в планах исследователей — расширить её применение на другие типы опухолей, а также адаптировать для анализа биопсийного материала человека. В перспективе это позволит использовать нейросеть не только в фундаментальной науке, но и в клинической практике для быстрой оценки тканей пациентов. Результаты работы были опубликованы в международном рецензируемом журнале Journal of Imaging, что подтверждает признание разработки мировым научным сообществом.