Ученые Сеченовского Университета вместе с командой по искусственному интеллекту и большим данным билайна разработали ИИ-модель для оценки риска отторжения трансплантата почки с помощью компьютерного зрения. Предложенный подход может помочь специалистам быстрее и точнее определять состояние пересаженной почки, снизить вероятность ошибок и повысить шансы сохранить новый орган. Работа ведется в рамках программы создания и развития НЦМУ «Цифровой биодизайн и персонализированное здравоохранение», исследование было опубликовано в журнале Computational and Structural Biotechnology Journal.
При лечении хронической почечной недостаточности пересадка почки позволяет сохранить и значительно продлить жизнь пациента, а также улучшить ее качество. По данным Минздрава РФ, в России ежегодно проводится более 1000 операций по трансплантации почки. Однако даже после успешной операции есть риск потерять новую почку из-за отторжения — несмотря на прием иммуносупрессоров, организм пациента порой пытается избавиться от пересаженного органа.
После пересадки врачи регулярно проводят чрескожную биопсию почки, а затем оценивают состояние трансплантата и прогнозируют риски с помощью классификации Banff (Банф), которая основана на полуколичественной оценке признаков, характерных для повреждения ткани трансплантата почки. Она учитывает различные причины и сценарии развития отторжения и позволяет определиться с дальнейшей стратегией терапии.
«По результатам биопсии возможны три сценария. Либо с трансплантатом все в порядке, либо есть определенные промежуточные изменения, при которых нужно скорректировать терапию, либо наблюдаются признаки отторжения, при котором может быть необходимо полностью менять стратегию лечения. И граница между промежуточными изменениями и острым отторжением не всегда очевидна», — пояснил заведующий лабораторией цифрового микроскопического анализа Алексей Файзуллин.
Достойных альтернатив классификации Banff нет, но и она имеет слабые места: оценка патологических изменений делается “на глаз”, а сама классификация часто пересматривается. Оценка состояния трансплантата влияет на лечение, которое будет получать пациент, поэтому неточность может привести к серьезным последствиям.
Исследователи из Лаборатории цифрового микроскопического анализа Сеченовского Университета предложили решить эту проблему с помощью технологий искусственного интеллекта. Работа ведется совместно со специалистами департамента машинного обучения и искусственного интеллекта компании билайн, а также с врачами из НКЦ №1 РНЦХ им. Б.В. Петровского.
«Есть существенная проблема, с которой сталкивается медицина — это проведение корректной терапии после трансплантации, — говорит Констатин Романов, директор по искусственному интеллекту и цифровым продуктам билайна, генеральный директор ООО “МедТех ИИ”. — При создании модели для определения отторжения пересаженной почки наша команда проверила гипотезу, что с помощью “умной” количественной оценки возможно улучшить показатели этого направления. Искусственный интеллект может выступить помощником для врача: помочь стандартизировать исследования и повысить точность определения дальнейшей терапии. Модель позволит не только помочь врачам с рутинными задачами, но и открывает новые возможности для исследований».
Для обучения нейросети и последующей проверки точности ее работы разработчики использовали обезличенные гистологические срезы биопсий. Нейросеть оказалась способна с помощью алгоритмов компьютерного зрения успешно анализировать структуру образца, «узнавая» почечные клубочки, сосуды и другие элементы, а также очаги воспалительного инфильтрата и фиброза, площадь которых является важным критерием оценки состояния трансплантата.
«Система оценки состояния трансплантатов Banff опирается на качественную балльную оценку, но такой подход вызывает много споров среди профессионалов. Мы разработали инструмент, который даст возможность оценить состояние регионов тканей с патологическими изменениями в процентах. Количественная оценка будет более точной, чем качественная, и поможет принять более объективные решения насчет дальнейшей терапии», — пояснил Алексей Файзуллин.
В перспективе исследователи планируют расширить список трансплантируемых органов, для которых будет разработан комплекс моделей. Следующим трансплантируемым органом, который научится анализировать нейросеть, станет сердце.
