МедТех ИИ: Нейросеть для автоматического поиска и классификации клеток рака почки

Основные статьи:

• Рак почки
• Диагностика рака
• Искусственный интеллект в медицине
• Системы поддержки принятия врачебных решений (СППР, CDS)
• Нейросети (нейронные сети)

2025: Создание нейросетей и регистрация в Роспатенте

Эксперты «МедТех ИИ», совместного предприятия 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.

Как представители Сеченовского университета 9 сентября 2025 года сообщили Zdrav.Expert (входит в состав медиа-компании TAdviser), регистрация решений в Роспатенте приблизила медучреждения к их использованию в клиниках, а также значительному сокращению времени на диагностирование заболеваний.

𝓲

Фото: WangXiNa на Freepik

«Разработки призваны помочь как опытным врачам, позволяя существенно снизить время проведения анализа и выступить дополнительным источником информации для постановки диагноза с прогнозированием исхода заболевания, так и молодым специалистам, только осваивающим клиническую диагностику», — отметил Константин Романов, директор по искусственному интеллекту и цифровым продуктам Билайна, генеральный директор ООО «МедТех ИИ».

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%, уточнили в Сеченовском университете.

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», — Алексей Файзуллин, к.м.н., 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.

В планах команд — регистрация моделей в реестре российского ПО, а также подготовка к проведению клинических испытаний решений и дальнейшее получение регистрационного удостоверения медицинских изделий.