Предложенный подход может помочь специалистам быстрее и точнее определять состояние пересаженной почки, снизить вероятность ошибок и повысить шансы сохранить новый орган, пояснили в Сеченовском Университете.
При лечении хронической почечной недостаточности последний этап, когда консервативное лечение и диализ уже не помогают, - это пересадка почки. Операция спасает и позволяет продлить жизнь пациента. По данным Минздрава РФ, в России ежегодно проводится более 1000 таких операций.
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, оценивая признаки, характерные для повреждения пересаженного органа.
"По результатам биопсии возможны три сценария. Либо с трансплантатом все в порядке, либо есть 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 этого метода (он называется классификацией Banff) нет, но и он имеет слабые места: оценка патологических изменений делается "на глаз", а сама классификация часто пересматривается.
Исследователи из Лаборатории цифрового микроскопического анализа Сеченовского Университета предложили решить эту проблему с помощью технологий ИИ. Работа ведется совместно со специалистами машинного обучения и искусственного интеллекта, 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, генеральный директор "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 также проводить дальнейшие исследования".
Для обучения нейросети 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 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.
Работа ведется в рамках программы создания и развития НЦМУ "Цифровой биодизайн и персонализированное здравоохранение", исследование было опубликовано в журнале Computational and Structural Biotechnology Journal.