билайн Big Data & AI — команда билайна, занимающаяся большими данными и искусственным интеллектом и учёные Сеченовского университета Минздрава России разработали ИИ-модель для автоматической детекции и классификации клеток рака почки в гистологических исследованиях. Планируется, что решение будет представлено на рынке совместным предприятием партнеров — ООО “МедТех ИИ”. Решение может использоваться специалистами как сервис “второго мнения”, что снимет часть рутинных задач с врачей-патологоанатомов и предлагает современный подход к выбору эффективной терапевтической стратегии.

Почечно-клеточный рак составляет 3,8% от всех онкологических заболеваний, ежегодно в мире заболевают 250 тыс. человек и умирает около 100 тыс. человек. Операция — один из основных способов лечения рака почек, но на этом терапия не заканчивается. Дальнейшая стратегия лечения, риск рецидива и прогноз в целом зависят от характера опухоли и степени ее злокачественности. Ее определяет врач-патологоанатом, изучая срезы опухоли под микроскопом.

Команда ученых, врачей-патологоанатомов и дата-сайентистов больше года вели разработку ИИ-модели на базе компьютерного зрения для автоматической детекции и классификации клеток рака почки в гистологических исследованиях. Разработанная программа представляет собой многоклассовый детектор опухолевых клеток с определением ядрышковой градации каждой отдельной клетки с помощью искусственного интеллекта, результат детекции может использоваться медиками при назначении терапии и плана лечения. Для обучения модели специалистами было размечено и проноаннотировано около 200 000 отдельных опухолевых клеток.

Существует четыре степени злокачественности опухоли почки, они определяются по видимости ядрышка (уплотнения внутри ядра) и наличию опухолевых клеток разных типов. Поиск и классификация ядер клеток занимает много времени врача-патологоанатома. Несмотря на наличие конкретных классификаций (Фурман и ВОЗ) и признаков, присутствует определенная доля субъективизма в оценках —  даже посмотрев друг за другом в микроскоп с разницей в минуту, два врача могут дать клеткам разные оценки. А от правильной постановки степени злокачественности зависит эффективность всего последующего лечения.

Нейросеть позволяет использовать дополнительные данные для оценки и более точной классификации опухоли. Например, она осуществляет подсчет потенциально злокачественных клеток, что повышает объективность результатов. Сейчас достигнут уровень детекции прогностически значимых опухолевых клеток и их классификации с метриками точности превышающими 90%.

Алексей Файзуллин, к.м.н, заведующий Лабораторией цифрового микроскопического анализа Института регенеративной медицины НТПБ Сеченовского Университета:

“Созданное решение позволяет пересмотреть существующие классификации рака почки, позволяя учитывать более широкий спектр морфологических особенностей. С помощью подробного морфологического и статистического анализа мы выявили четыре различных паттерна, основанных на соотношении плотности клеток с ядрышками и без. Эта система классификации, основанная на клеточном составе, перспективна для применения в персонализированной медицине и открывает новые возможности для анализа опухолей с помощью искусственного интеллекта.”

Команда рассчитывает, что модель станет полезным инструментом не только для опытных врачей-патологоанатомов, сокращая время проведения анализа, но и для молодых специалистов, которые только получают опыт в клинической диагностике. В ближайшее время планируется проведение клинических испытаний модели.

Константин Романов, директор по искусственному интеллекту и цифровым продуктам билайна, генеральный директор ООО “МедТех ИИ”:

“Разработка и внедрение решений на базе искусственного интеллекта — это следующий этап успешной цифровизации здравоохранения. Вместе с коллегами из Сеченовского университета мы стремимся упростить работу врачей и создать полезные и удобные инструменты для решения их ежедневных задач. Искусственный интеллект не заменит врача, но он способен помочь эффективно и своевременно решать сложные медицинские задачи и отвечает реальным потребностям пациентов и системы здравоохранения”.