Skaitmeninė patologija atveria naujas galimybes taikyti dirbtinio intelekto metodus ligų diagnozei ir gydymui. Šie metodai leidžia įvertinti ir akimi nematomus požymius, suteikdami unikalios informacijos prognostiniams ligų modeliams ir klinikiniams sprendimams. Patologijos tyrimai taikomi daugelio onkologinių ir kitų ligų tyrimams, todėl dirbtiniu intelektu paremti patologijos modeliai bus svarbūs daugelyje medicinos sričių.
Skaitmeninės patologijos mokslo tyrimus pradėjome 2010 metais. Mūsų mokslo grupė su partneriais suformavo originalią skaitmeninės patologijos kryptį, pagrįstą šešiakampių gardelių erdvine ir daugiamate statistika bei automatizuotais algoritmais. Su komanda atlikome skaitmeninės analizės tikslumo vertinimo ir kalibravimo eksperimentus¹,sukūrėme ir validavome intranavikinio biožymenų raiškos heterogeniškumo matavimų metodologiją^2-4. Pastaraisiais metais sukūrėme imuninio atsako vertinimo sistemą naviko mikroaplinkoje^5-7 - automatizuotai aptinkama šeimininko ir vėžio sąveikos zona (interface zone), joje pamatuojamas limfocitų tankio gradientas (immunogradient) leidžia patikimai prognozuoti vėžio progresavimo ypatumus. Daugiau: //healthcare-in-europe.com/en/news/spatial-statistics-extract-subvisual-features.html
Dirbdami komandoje su patologais, doktorantais, bioinformatikais, genetikais, duomenų mokslininkais, vaizdo analizės specialistais vystome metodologijas, padedančias kiekybiškai įvertinti biologines vėžio audinio savybes bei dirbtinio intelekto sprendimų palaikymo sistemas individualizuotai vėžio terapijai.
Daugiau: //healthcare-in-europe.com/en/news/spatial-statistics-extract-subvisual-features.html

Prof. Arvydas Laurinavičius su tyrėjų komanda 

[1] Laurinavicius A, Plancoulaine B, Laurinaviciene A, Herlin P, Meskauskas R, Baltrusaityte I, Besusparis J, Dasevicius D, Elie N, Iqbal Y, Bor C, Ellis IO: A methodology to ensure and improve accuracy of Ki67 labelling index estimation by automated digital image analysis in breast cancer tissue. Breast Cancer Research 2014, 16.
[2] Plancoulaine B, Laurinaviciene A, Herlin P, Besusparis J, Meskauskas R, Baltrusaityte I, Iqbal Y, Laurinavicius A: A methodology for comprehensive breast cancer Ki67 labeling index with intra-tumor heterogeneity appraisal based on hexagonal tiling of digital image analysis data. Virchows Archiv 2015, 467:711-22.
[3] Laurinavicius A, Plancoulaine B, Rasmusson A, Besusparis J, Augulis R, Meskauskas R, Herlin P, Laurinaviciene A, Muftah AAA, Miligy I, Aleskandarany M, Rakha EA, Green AR, Ellis IO: Bimodality of intratumor Ki67 expression is an independent prognostic factor of overall survival in patients with invasive breast carcinoma. Virchows Archiv 2016, 468:493-502.
[4] Laurinavicius A, Plancoulaine B, Herlin P, Laurinaviciene A: Comprehensive Immunohistochemistry: Digital, Analytical and Integrated. Pathobiology 2016, 83:156-63.
[5] Rasmusson A, Zilenaite D, Nestarenkaite A, Augulis R, Laurinaviciene A, Ostapenko V, Poskus T, Laurinavicius A: Immunogradient indicators for anti-tumor response assessment by automated tumor-stroma interface zone detection. Am J Pathol 2020.
[6] Zilenaite D, Rasmusson A, Augulis R, Besusparis J, Laurinaviciene A, Plancoulaine B, Ostapenko V, Laurinavicius A: Independent Prognostic Value of Intratumoral Heterogeneity and Immune Response Features by Automated Digital Immunohistochemistry Analysis in Early Hormone Receptor-Positive Breast Carcinoma. Front Oncol 2020, 10:950.
[7] Nestarenkaite A, Fadhil W, Rasmusson A, Susanti S, Hadjimichael E, Laurinaviciene A, Ilyas M, Laurinavicius A: Immuno-Interface Score to Predict Outcome in Colorectal Cancer Independent of Microsatellite Instability Status. Cancers (Basel) 2020, 12.