Ученые из Института регенеративной медицины Сеченовского университета разработали систему на основе искусственного интеллекта, которая помогает врачам-патологоанатомам количественно оценивать степень злокачественности рака почки.
Алгоритм анализирует цифровые изображения опухолей и выделяет в них клетки с видимыми ядрышками — морфологический признак, который, как оказалось, напрямую связан с агрессивностью заболевания.
Сегодня при оценке злокачественности светлоклеточной почечно-клеточной карциномы почки, самой распространенной формы рака этого органа, патологоанатомы используют международную классификацию ВОЗ/ISUP. Согласно этой классификации, оценка ведется «на глаз» — по выраженности ядрышек в клетках и их относительном количестве в ткани опухоли. Однако даже опытные специалисты нередко расходятся в оценках: границы между степенями злокачественности не всегда очевидны.
Разработанный учеными алгоритм был обучен на более чем двухстах тысячах клеток и способен различать степени злокачественности с высокой точностью. Он не только производит экспертную оценку, но и выявляет скрытые закономерности между составом опухоли и прогнозом выживаемости пациентов. Детальный анализ более 50 тысяч клеток из 144 образцов опухолей показал: если в ткани более 11% клеток имеют выраженные ядрышки, средняя выживаемость таких пациентов составляет всего 2,2 года. При низкой доле таких клеток выживаемость превышает шесть лет, даже если формально опухоль отнесена к той же градации.
На основе этих данных ученые выделили четыре устойчивых морфологических паттерна строения опухоли, каждый со своим прогнозом. Например, «ядрышковый» тип оказался самым опасным, он содержит много агрессивных клеток. «Дистрофический» содержал в себе малое количество всех клеток, что связано с выраженными некротическими процессами в опухоли и плохим прогнозом. А «мономорфный» паттерн оказался самым благоприятным.
«Результаты нашего исследования указывают на то, что рассчитанные с помощью ИИ количественные метрики позволят с большей уверенностью отнести случай к одной или другой ядрышковой градации. Вместо субъективной оценки „много“ или „мало“ ядрышек врач получит конкретное значение — например, 15%. Это объективный, воспроизводимый параметр, который можно использовать для персонализированного прогноза и выбора терапии», — пояснил руководитель лаборатории цифрового микроскопического анализа Алексей Файзуллин.
Эта технология изначально создавалась для облегчения рутинной работы патологов, но в ходе исследования привела к фундаментальному открытию. Его итоги опубликованы в международном научном журнале Cancer Medicine. Разработанная модель уже интегрирована в ПО для цифрового анализа гистологических срезов опухолей. Она прошла пилотное тестирование в патологоанатомическом отделении и готова к использованию в реальной клинической практике.