Registration Number
0825U003482, PhD dissertation
Status
Доктор філософії
Date
04-09-2025
popup.evolution
.
Title
Oral Cancer Screening Using Artificial Intelligence
Author
Serhiy L. Hovornyan,
popup.head Oleksandr I. Ivashchuk
popup.opponent Anna Y. Kryzhanivska
popup.opponent Anna O. Kushta
popup.review Nataliia B. Kuzniak
popup.review Zhanetta A. Chornenka
popup.rada
Bukovinian State Medical University
Description
Рак ротової порожнини залишається серйозною глобальною проблемою громадського здоров’я через високу летальність, пізню діагностику та недостатню ефективність опортуністичних скринінгових підходів. Попри значну поширеність передракових уражень слизової оболонки порожнини рота, більшість випадків раку ротової порожнини діагностуються на пізніх клінічних стадіях, коли лікування є більш агресивним, а шанси на виживання – значно нижчими. Така ситуація зумовлює гостру потребу у створенні нових, неінвазивних, високоінформативних і економічно доцільних методів раннього виявлення онкопатології у загальній популяції. Одним із перспективних напрямів є біоспектроскопічний аналіз біологічних рідин, зокрема слини, із застосуванням Раман-спектроскопії та алгоритмів штучного інтелекту, що здатні автоматизувати обробку складних спектральних сигналів і виявляти приховані закономірності, пов’язані з патологічною трансформацією тканин.
Дане дослідження було спрямоване на створення та валідацію комплексного підходу до скринінгу раку ротової порожнини на основі аналізу спектрального профілю слини із застосуванням як керованих, так і некерованих методів машинного навчання. Робота виконана у форматі проспективного когортного дослідження з включенням 200 учасників, розподілених на чотири клінічні групи: контрольну (здорові особи), пацієнтів із червоним плоским лишаєм, лейкоплакією та гістологічно підтвердженим плоскоклітинним раком ротової порожнини. Зразки слини збиралися за стандартизованим протоколом, оброблялись у контрольованих лабораторних умовах і досліджувались за допомогою конфокальної Раман-спектроскопії з використанням лазера 785 см⁻¹ та реєстрацією в діапазоні 830–2100 см⁻¹. Отримані спектри піддавалися нормалізації, фільтрації шумів, усередненню та векторній стандартизації.
Отримані результати підтверджують наявність специфічного біохімічного «відбитка» у слині пацієнтів із передраковими та злоякісними ураженнями ротової порожнини, що може бути достовірно зафіксований методами Раман-спектроскопії. Наявність статистично значущих пікових інтенсивностей у ділянках, асоційованих з амідними, фосфатними та карбоновими групами, свідчить про зміни білково-ліпідного та нуклеїнового складу слини, що виникають ще на доклінічному етапі. Дослідження також підтверджує, що передракові ураження (лейкоплакія та червоний плоский лишай) мають власні спектральні характеристики, які частково перекриваються як із контролем, так і з групою раку ротової порожнини, утворюючи спектральний континуум, який потенційно можна використовувати для ранньої стратифікації ризику.
У межах дослідження вперше в Україні реалізовано повноцінну скринінгову технологію для діагностики раку ротової порожнини, яка охоплює весь цикл - від стандартизованого збору зразків слини, спектроскопічного аналізу та обробки сигналу до зниження розмірності, побудови моделей штучного інтелекту й інтерпретації результатів з оцінкою діагностичної точності. Запропоновано багаторівневий підхід із використанням глибокого машинного навчання, зокрема адаптованих архітектур згорткових нейронних мереж (CNN) для одномірного спектру слини, що продемонстрували здатність до ефективного вилучення ознак навіть із невеликих вибірок і забезпечили високу чутливість класифікації станів слизової оболонки. Вперше виявлено складну природну кластерну структуру у спектрах пацієнтів із різними клінічними формами уражень, яку вдалося ідентифікувати за допомогою методів некерованого навчання. Результати продемонстрували високу узгодженість, стабільність моделей і відтворюваність методики, що створює підґрунтя для подальшої клінічної валідації та розробки програмно-апаратного комплексу для практичного використання.
Таким чином, результати дослідження підтверджують, що поєднання Раман-спектроскопії та методів штучного інтелекту, зокрема глибокого керованого навчання, здатне значно підвищити ефективність раннього виявлення раку ротової порожнини, забезпечуючи високу точність, неінвазивність та перспективу масштабованого впровадження в системи охорони здоров’я.
Registration Date
2025-08-18
popup.nrat_date
2025-08-18 / 2026-07-06
