ИИ Билайна и Сеченовского Университета вывел диагностику заболеваний почек на новый уровень

Эксперты ООО «МедТех ИИ» (совместное предприятие Билайна и Сеченовского университета) разработали и зарегистрировали в Роспатенте два решения для диагностики заболеваний почек и поддержки принятия врачебных решений (СППВР) в патоморфологии. Они выступают как сервисы «второго мнения», которые смогут снимать с врачей часть рутинной работы и сокращать сроки проведения исследований, обеспечивая высокую точность результата с предсказанием исхода лечения и выживаемости пациента.

Теперь оба решения зарегистрированы в Роспатенте, что приблизило медучреждения к использованию в клиниках этих решений, предложению качественных и технологичных услуг населению, а также значительному сокращению времени на диагностирование заболеваний.

Первая из зарегистрированных моделей предназначена для автоматического поиска и классификации клеток рака почки. Существует четыре степени злокачественности опухоли почки, они определяются по видимости ядрышка (уплотнения внутри ядра) и наличию опухолевых клеток разных типов. От точного определения характера опухоли и степени ее злокачественности, зависит дальнейшее лечение и прогноз в целом. Разработанная модель действует как «умный детектор», который с помощью искусственного интеллекта находит опухолевые клетки на оцифрованных гистологических изображениях, анализирует их, осуществляет грейдинг рака почки по системе ISUP (классификация почечно-клеточного рака Международного общества уропатологов и ВОЗ) и формирует индекс прогнозирования заболевания.

Благодаря искусственному интеллекту был получен высокоточный клеточный профиль опухолевой ткани, что дало основание предложить корректировки к действующей системе ВОЗ/ISUP. Для обучения нейросети было проаннотировано около 200 000 опухолевых клеток, благодаря чему удалось достичь точности работы модели 96%.

Вторая зарегистрированная модель направлена на анализ риска отторжения пересаженной почки. С помощью компьютерного зрения нейросеть анализирует изображения срезов биопсии (тончайших образцов ткани почки). Алгоритм распознает элементы структуры органа, такие как сосуды и почечные клубочки, а также находит очаги воспаления и фиброза тканей, площадь которых является важным критерием оценки состояния трансплантата. В отличие от классической классификации, основанной на полуколичественной оценке признаков, модель позволяет оценить ткани с патологическими изменениями в процентах. Такой подход позволяет оценить вероятность отторжения трансплантата, предсказать исход лечения, повысить точность подбора дальнейшей терапии и шанс сохранения пересаженной почки.

“Зарегистрированные модели - результат многолетнего проекта Сеченовского университета и Билайна. Проекты прошли долгий путь от постановки задач по автоматизации опыта врача до применения ИИ для фундаментальных исследований в онкопатологии. Мы считаем, что результаты работы моделей будут увеличивать ценность диагноза и будут востребованы лечащими врачами”, -  говорит Алексей Файзуллин, заведующий лабораторией цифрового микроскопического анализа Института регенеративной медицины Сеченовского университета.

По мнению специалистов, модели могут помочь стандартизировать исследования, а также открыть новые возможности для персонализированной медицины. Результаты работ были опубликованы в научных журналах.