билайн и Сеченовский университет создали ИИ-модель для оценки отторжения пересаженной почки

Трансплантация органов – порой единственный способ спасти жизнь пациента и значительно улучшить ее качество. Но сам процесс трансплантации сложный и часто связан с различными осложнениями. В том числе с фиброзом тканей (увеличением количества соединительной ткани) и воспалением, которые сигнализируют об отторжении органа. Регулярное мониторирование состояния трансплантированного органа необходимо для своевременной коррекции терапевтической стратегии.

За 2023 год в России провели 1789 операций по трансплантации почки, это около двух третьих всех операций по трансплантации. После операции пациент вынужден на протяжении всей жизни принимать терапию и регулярно проходить обследования. В рамках одного анализа врач-патолог изучает гистологический материал почки на предмет наличия признаков, сигнализирующих об отторжении органа, и классифицирует их по системе Банф. Существующая классификация полезна для диагностики отторжения трансплантата почки, однако она сталкивается с ограничениями из-за различной согласованности оценок врачей и частых изменений в критериях оценки.

Константин Романов, директор по искусственному интеллекту и цифровым продуктам билайна, генеральный директор ООО “МедТех ИИ": “Есть существенная проблема, с которой сталкивается медицина - это проведение корректной терапии после трансплантации. 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".

Команда ученых, врачей-патологоанатомов и дата-сайентистов из команды по искусственному интеллекту и большим данным билайна и Сеченовского университета  разработали ИИ-решение для оценки фиброза и интерстициальной инфильтрации в гистологических препаратов трансплантата почки. Модель выделяет структурно-функциональные элементы почки (почечные клубочки, канальцы, артерии и строму) и выявляет потенциальные участки интерстициальной инфильтрации и фиброза. ИИ помогает стандартизировать исследования и количественно оценить морфологические характеристики, улучшив воспроизводимость в клинической практике. Такой подход помогает специалистам отличить пограничные изменения от отторжения. ИИ-модель продемонстрировала высокую точность предсказания клинических баллов по классификации Банф, что делает ее перспективным инструментом помощи для патологоанатомов.

Алексей Файзуллин, к.м.н, заведующий Лабораторией цифрового микроскопического анализа Института регенеративной медицины НТПБ Сеченовского Университета: “Рассчитанные нейросетью метрики позволяют различить пограничные случаи и случаи с острым клеточным отторжением с точностью более 95%. Данная модель поможет врачам ставить диагнозы, поддержанные аргументированными метриками, в сложных случаях патологических изменений в гистологических препаратах. Применение искусственного интеллекта в нефропатологии имеет потенциал для повышения точности и эффективности диагностики".

Светлана Соловьёва, к.м.н., заведующая патологоанатомическим отделением НКЦ №1 РНЦХ им. акад. Б.В. Петровского, врач-патологоанатом, член Российского общества онкопатологов: «Последнее слово в постановке гистологического диагноза всегда остаётся за специалистом, однако автоматическое определение не только наличия, но и площади патологических изменений в ткани может помочь повысить точность и воспроизводимость диагностики».

В настоящий момент планируется проведение клинических испытаний модели и ее дальнейшая регистрация для использования в медучреждениях. Разработки команд были с интересом восприняты научным сообществом и опубликованы в научном журнале Computational and Structural Biotechnology Journal.​