Российские медики построили нейросеть EndoNet для более точного и быстрого анализа гистологических срезов эндометрия. Результаты опубликованы в журнале Informatics.
Чтобы определить патологические изменения в тканях, применяют иммуногистохимическое исследование. Это микроскопическое исследование, для которого делают тончайший гистологический срез, который обрабатывают специальным веществом — антителом. Оно взаимодействует с искомым веществом в ткани —например, белком — и окрашивает его. Такой подход широко применяют, например, в онкологии, чтобы обнаружить и классифицировать опухоль. Анализ срезов ведется практически вручную. Гистопатолог анализирует образец и проставляет H-score — численное значение, которое отражает количество искомого вещества. Вероятность ошибочного диагноза не исключается и у самого опытного профессионала. Медики РУДН совместно с Институтом системного программирования РАН и Национальным медицинским исследовательским центром акушерства, гинекологии и перинатологии имени Кулакова разработали нейросеть, которая поможет патологоанатомам быстро и эффективно определять H-score на гистологических препаратах эндометрия.
«Анализ иммуногистохимического окрашивания эндометрия — чрезвычайно важная проблема. Особенно для пациенток, перенесших выкидыши, бесплодие и неудачные попытки ЭКО. Лучшим доступным инструментом для этого остается иммуногистохимия. Иммуногистохимический критерий H-score используют, чтобы оценить количество и распределение определенных белков в тканях. Для этого анализируют интенсивность окрашивания и оценивают процент окрашенных ядер. H-score широко используется, но отнимает много времени и ограничен с точки зрения точности. Компьютерные методы могут помочь преодолеть эти ограничения и повысить эффективность работы патологоанатомов», — рассказала Полина Вишнякова, кандидат биологических наук, доцент кафедры гистологии, цитологии и эмбриологии РУДН.
Предложенная медиками модель получила название EndoNet. Первая часть названия отражает нацеленность на эндометрий, однако модель не ограничивается только им. EndoNet состоит из двух частей. Первая — модель, которая предсказывает важные сегменты центров клеточных ядер — это детекционная часть системы. Вторая часть рассчитывает H-score, для этого она использует средние значения из пикселей обнаруженных ранее ключевых точек.
Модель обучили и проверили на 1780 примерах гистологических образцов эндометрия размером 100 на 100 микрометров. На тестовом наборе данных модель дала среднюю точность в 77%. Для стромы — основы органа из неоформленной соединительной ткани — точность оказалась выше 85%.
«Автоматизированная система расчета H-score не только ускоряет процесс, но и компенсирует ошибки, которые могут возникать, например, из-за разных подходов к иммуноокрашиванию. Такая система также уменьшит разброс данных, который возникает из-за погрешностей расчетов разных специалистов. EndoNet — это универсальный алгоритм для внедрения в любом гистологическом отделении», — отметила Полина Вишнякова.
Материал опубликован в рамках совместного проекта с Национальным центром развития искусственного интеллекта. Подробнее о развитии ИИ в России — на сайте ai.gov.ru.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
