Асатурова Александра Вячеславовна
Автор проекта
Дата рождения:
11 июля 1983г.
Место жительства:
Москва и Московская область, Москва
Организация:
ФГБУ «НМИЦ АГП им.В.И. Кулакова» Минздрава России
Должность:
зав. 1 ПАО
Сферы интересов:
#Женское здоровье
Социальные сети:

Проекты участницы

Разработка нейросетевой модели для диагностики эндометриоза на основе анализа гистологических изображений эндометрия

Суть проекта

Проект направлен на разработку инновационного метода диагностики эндометриоза с использованием нейросетевого анализа гистологических изображений эндометрия. Основная цель — создать малоинвазивный и доступный инструмент для выявления поверхностного и глубокого эндометриоза, который мог бы заменить или дополнить традиционные инвазивные методы, такие как лапароскопия.

Целевая аудитория

женщины с синдромом тазовой боли, бесплодием неясного генеза, женщины, планирующие беременность

«Зрелость» проекта

Результаты проекта

1. Разработана нейросетевая модель для диагностики эндометриоза
Точность (Accuracy): 83–91% (в зависимости от конфигурации).

Чувствительность (Recall): 80–84% (выявление случаев эндометриоза).

Специфичность (Precision): 81–86% (минимизация ложноположительных результатов).

F1-score: 80–84% (баланс между точностью и полнотой).

2. Сравнение с традиционными методами
Преимущества перед иммуногистохимией (BCL-6):

Модель различает поверхностный и глубокий эндометриоз, тогда как BCL-6 лишь подтверждает наличие заболевания.

Не требует дополнительных реактивов — анализ только на основе гистологических изображений.

Преимущества перед лапароскопией:

Неинвазивность — диагностика по биопсии эндометрия.

Снижение стоимости и времени обследования.

3. Клиническая значимость
Сокращение времени диагностики: Автоматизированный анализ вместо рутинной микроскопии.

Раннее выявление: Возможность обнаруживать эндометриоз на доклинических стадиях.

Поддержка врачебных решений: Объективная оценка, снижающая субъективность диагноза.

4. Научные и технологические достижения
Применение Vision Transformer (ViT) в гистологии: Один из первых случаев использования трансформеров для анализа эндометрия.

Метод самосупервизируемого обучения (SSL): Уменьшение зависимости от ручной разметки данных.

Публикации и патенты: (Укажите, если есть готовые статьи или заявки.)

5. Потенциал для масштабирования
Адаптация для других заболеваний: Возможность применения модели для диагностики гиперплазии, рака эндометрия.

Интеграция с цифровыми патологическими системами: Совместимость с сканерами стекол (Aperio, Hamamatsu).

Коммерциализация: Разработка SaaS-платформы для клиник и лабораторий.

Реализация проекта

1. Подготовительный этап
Сбор данных:

Получение гистологических образцов эндометрия от 150 пациенток (50 – контрольная группа, 50 – поверхностный эндометриоз, 50 – глубокий эндометриоз).

Оцифровка стекол с помощью сканера Aperio AT2 (Leica).

Предварительная обработка изображений:

Нарезка на тайлы 750×750 пикселей.

Фильтрация артефактов, сгустков крови и неинформативных фрагментов с помощью алгоритмов компьютерного зрения.

2. Разработка и обучение модели
Выбор архитектуры:

Vision Transformer (ViT) с предобучением на ImageNet-21k.

Дообучение на гистологических данных.

Методы обучения:

Самосупервизируемое обучение (SSL) для работы с неразмеченными данными.

Аугментация: геометрические трансформации, цветовая коррекция.

Кросс-валидация (5 фолдов) для оценки устойчивости.

Оптимизация:

Подбор гиперпараметров (размер тайлов, степень перекрытия).

Тестирование разных конфигураций (с аугментацией/без нее).

3. Тестирование и валидация
Оценка метрик:

Accuracy: 83–91%.

Precision: 81–86%.

Recall: 80–84%.

F1-score: 80–84%.

Сравнение с BCL-6:

Нейросеть показала более высокую специфичность и возможность дифференцировать формы эндометриоза.

Клинические испытания:

Пилотное тестирование на новых образцах (N=30) – подтверждение точности 85–88%.

4. Внедрение
Разработка ПО:

Веб-интерфейс для загрузки и анализа изображений.

Интеграция с DICOM-системами лабораторий.

Обучение врачей:

Проведение мастер-классов по работе с алгоритмом.

Создание инструкций для патологоанатомов.

Публикация результатов:

Статьи в рецензируемых журналах.

Подача заявки на патент.

5. План масштабирования
Расширение базы данных:

Включение образцов из других медицинских центров (цель – 500+ случаев).

Адаптация для смежных задач:

Диагностика гиперплазии, рака эндометрия.

Коммерциализация:

Партнерство с производителями сканеров (Aperio, Hamamatsu).

Разработка платной подписки для клиник.