Российские ученые создали ИИ, который лучше врачей определяет рак почек

Специалисты из Сеченовского Университета в кооперации с экспертами из ПАО «Вымпелком» и ряда научных учреждений создали систему на основе ИИ, которая автоматически фиксирует дистрофические изменения в тканях почек. Эта разработка предоставляет патологоанатомам инструмент для точного количественного определения уровня злокачественности новообразований. Об этом пишет «Газета.Ru».

Новый алгоритм обрабатывает цифровые снимки опухолей и идентифицирует клетки, имеющие хорошо заметные ядрышки. Именно этот морфологический показатель, как выяснилось, имеет прямую корреляцию с агрессивностью течения онкологического процесса.

В настоящее время при диагностике светлоклеточной почечно-клеточной карциномы (наиболее частой разновидности рака почки) специалисты применяют международную систему градации ВОЗ/ISUP. Данный метод основывается на визуальной оценке. Эксперты определяют выраженность ядрышек и их распространенность в образце ткани. Однако даже высококвалифицированные врачи зачастую демонстрируют расхождение во мнениях, поскольку границы между разными стадиями злокачественности довольно размыты.

Разработанный искусственный интеллект выполняет автоматическое распознавание и категоризацию каждой клетки на гистологическом препарате. Первоначальной целью технологии было упрощение рутинных задач патологов. Однако в процессе работы было сделано важное научное открытие.

Обучение алгоритма проводилось на массиве данных, превышающем 200 000 клеток. Система демонстрирует высокую точность в дифференциации степеней злокачественности. Тщательное изучение более 50 000 клеток, взятых из 144 опухолевых образцов, выявило критический порог. Если в ткани свыше ~11% клеток содержат выраженные ядрышки (индикатор высокой агрессивности), прогноз для пациента становится крайне неблагоприятным. Средняя продолжительность жизни в этой группе составляет лишь 2,2 года. При низком проценте таких клеток выживаемость превышает 6 лет, даже если по стандартной классификации опухоль отнесена к той же категории.

На основании этих данных исследователи определили четыре стабильных морфологических типа строения опухоли, для каждого из которых характерен свой прогноз. Примечательно, что эти типы не всегда соответствуют официальной градации, что проливает свет на причину значительных расхождений в исходах болезни у пациентов с идентичным диагнозом.

Заведующий лабораторией цифрового микроскопического анализа Алексей Файзуллин отметил, что их изыскания демонстрируют, как количественные показатели, полученные с помощью ИИ, позволяют с более высокой достоверностью классифицировать каждый конкретный случай. Врач получает не субъективную характеристику «много» или «мало», а конкретную цифру, например, 15%. Это объективный и воспроизводимый критерий, который можно применять для персонализированного прогнозирования и подбора лечения.

Созданная модель уже встроена в программное обеспечение для цифровой обработки гистологических срезов опухолей. Она успешно прошла этап пробного тестирования в условиях патологоанатомического отделения и готова к внедрению в широкую клиническую практику.