Руководитель исследовательской группы «Компьютерное зрение для обработки данных» Центра ИИ Сколтеха Светлана Илларионова представила результаты работы совместной с Университетом Шарджи Лаборатории ИИ

Руководитель исследовательской группы «Компьютерное зрение для обработки данных» Центра ИИ Сколтеха Светлана Илларионова представила результаты работы совместной с Университетом Шарджи Лаборатории ИИ в биомедицинских исследованиях (BIMAI-Lab) Центра искусственного интеллекта Сколтеха на 14-м Всемирном конгрессе по цифровой патологии и искусственному интеллекту (The 14th World Digital Pathology & AI UCG Congress). Мероприятие традиционно собирает цифровых патологов, специалистов по машинному обучению, онкологов, разработчиков медицинского программного обеспечения и экспертов в области регулирования медицинских технологий для обсуждения практического внедрения алгоритмов в клиническую диагностику и формирования стандартов цифровой морфологии.

Светлана представила доклад, посвящённый актуальной задаче современной вычислительной патологии — виртуальному иммуногистохимическому окрашиванию («Benchmarking Generative Models for Virtual Staining from H&E to IHC Translation in Histopathology»). Классическое иммуногистохимическое исследование (ИГХ), несмотря на свою безусловную значимость для выбора тактики лечения и оценки прогноза в персонализированной онкологии, сопряжено с рядом объективных ограничений: высокая стоимость реагентов, зависимость результата от квалификации лаборанта, длительное время выполнения и, что особенно критично при работе с малыми биопсийными образцами, расход ценного биологического материала.

В этих условиях технологии генеративного искусственного интеллекта, способные преобразовывать стандартные срезы, окрашенные гематоксилином и эозином (H&E), в цифровые аналоги ИГХ-изображений, рассматриваются как перспективная альтернатива, позволяющая ускорить диагностический процесс и снизить нагрузку на лабораторную инфраструктуру.

В рамках работы было проведено систематическое сравнительное тестирование нескольких современных архитектур генеративно-состязательных сетей (GAN) и диффузионных моделей, ранее представленных на ведущих конференциях в области компьютерного зрения и медицинской визуализации — CVPR и MICCAI в период с 2022 по 2024 год.

Оценка выполнялась на экспертном подмножестве набора данных MIST, включающем изображения с высококачественным пространственным совмещением гистологических срезов. Помимо классических подходов, исследовательская группа продемонстрировала альтернативную модель на основе фреймворка Image-to-Image Schr?dinger Bridges (I2SB), который интерпретирует процесс окрашивания как стохастический переход между распределениями тканевых структур, что теоретически обеспечивает более устойчивое обучение и лучшее сохранение исходной морфологии.

Полученные результаты показательны с точки зрения клинической применимости существующих решений. Анализ продемонстрировал, что традиционные GAN-модели систематически не справляются с точным воспроизведением интенсивности экспрессии белковых маркеров — в частности, уровней HER2 (1+, 2+, 3+), имеющих принципиальное значение для определения чувствительности опухоли к таргетной терапии.

Вместо этого генеративные сети склонны выдавать усреднённую, «сглаженную» картину экспрессии, а в ряде случаев вносят искажения в структуру ткани, что делает их применение в реальной клинической практике сопряжённым с неоправданными рисками. Попутно было установлено, что широко распространённые технические метрики оценки качества изображений, такие как SSIM и FID, демонстрируют слабую корреляцию с действительной диагностической ценностью виртуальных срезов, что ставит вопрос о необходимости разработки более релевантных критериев валидации.

В отличие от предшествующих подходов, методы на основе диффузионных моделей открывают новые перспективы в достижении значительно более высокой визуальной схожести с реальными ИГХ-окрасками, однако задача сохранения прецизионной морфологии на клеточном уровне остаётся открытой и требует дальнейшей методической проработки.

Телеграм: t.me/ainewsline

Источник: vk.com

Комментарии: