Исследователи из Сеченовского университета представили инновационный подход к классификации рака почки с использованием искусственного интеллекта, что позволяет точно измерять степень злокачественности данного типа опухоли, сообщили в пресс-службе вуза. В настоящее время, как уточнили в пресс-службе, для оценки агрессивности светлоклеточной почечно-клеточной карциномы специалисты опираются на международную классификацию ВОЗ/ISUP, где оценка проводится визуально, исходя из выраженности и количества ядрышек в опухолевых клетках.
Тем не менее, даже опытные патологам бывает сложно одинаково интерпретировать эти показатели, поскольку границы между степенями агрессивности не всегда однозначны. «Команда ученых из Сеченовского университета совместно с коллегами из ПАО «Вымпелком» и других научных организаций создала программное обеспечение, основанное на технологии компьютерного зрения, которое автоматически идентифицирует и классифицирует каждую клетку на гистологическом верхнем срезе,» – рассказали в пресс-службе.
Первоначально этот инструмент был разработан для облегчения рутинных задач патологоанатомов, однако в ходе исследований он позволил сделать важное фундаментальное открытие, отметили представители университета. Алгоритм прошёл обучение на базе свыше 200 тысяч клеток и способен с высокой точностью определять уровень злокачественности, пояснили в вузе.
Кроме того, он не ограничивается повторением экспертных оценок, а выявляет скрытые взаимосвязи между клеточным составом опухоли и прогнозом по выживаемости пациента. «Детальный анализ более 50 тысяч клеток, полученных из 144 опухолевых образцов, показал: при условии, что в ткани более ~11% клеток демонстрируют ярко выраженные ядрышки (характеристика высокой агрессивности), прогноз резко ухудшается – средняя продолжительность жизни таких пациентов составляет около 2,2 года.
Если же доля таких клеток ниже, то выживаемость превышает шесть лет, даже если формально опухоль отнесена к той же категории по классификации», — пояснили в учебном заведении. Основываясь на этих данных, ученые выделили четыре стабильных морфологических типа строения опухоли, каждый из которых имеет собственный прогноз, добавили в пресс-службе.
Так, например, «ядрышковый» тип (с преобладанием агрессивных клеток и малым количеством других) признан наиболее опасным, «дистрофический» характеризуется низкой численностью всех клеточных типов, что связано с выраженными некротическими процессами и неблагоприятным исходом, а «мономорфный» паттерн ассоциируется с наиболее благоприятным прогнозом. Следует отметить, что эти паттерны не всегда соответствуют официальной градации, что объясняет значительные различия в исходах у пациентов с одинаковым диагнозом.
«Выводы нашего исследования демонстрируют, что количественные показатели, вычисленные при помощи ИИ, позволяют существенно повысить точность определения степени злокачественности. Вместо субъективных терминов «много» или «мало» ядрышек врач получает конкретное цифровое значение – например, 15%.
Это объективный и воспроизводимый параметр, который может использоваться для персонализации прогноза и выбора оптимальной терапии», — отметил руководитель лаборатории цифрового микроскопического анализа Алексей Файзуллин. Разработанная модель уже встроена в программное обеспечение для цифрового анализа гистологических срезов опухолевых тканей.
Модель успешно прошла пилотное апробирование в патологоанатомическом отделении и готова к внедрению в клиническую практику, уточнили в пресс-службе вуза. Подробности исследования ученые изложили в статье, опубликованной в международном научном издании Cancer Medicine.