RU2717944C1

RU2717944C1 - Способ определения степени злокачественности аденокарциномы предстательной железы

Info

Publication number: RU2717944C1
Application number: RU2019116093A
Authority: RU
Inventors: Валентин Григорьевич Никитаев; Дмитрий Юрьевич Пушкарь; Александр Николаевич Проничев; Олег Викторович Нагорнов; Елена Анатольевна Прилепская; Марта Владимировна Ковылина; Олег Николаевич Будадин
Original assignee: Валентин Григорьевич Никитаев; Дмитрий Юрьевич Пушкарь; Александр Николаевич Проничев; Олег Викторович Нагорнов; Елена Анатольевна Прилепская; Марта Владимировна Ковылина; Олег Николаевич Будадин
Priority date: 2019-05-24
Filing date: 2019-05-24
Publication date: 2020-03-27

Abstract

Изобретение относится к медицине, а именно к онкоурологии, и может быть использовано для определения степени злокачественности аденокарциномы предстательной железы. Для этого формируют компьютерную базу знаний на основе эталонных изображений препаратов с ранее верифицированным диагнозом. Проводят биопсию ткани предстательной железы пациента и получают гистологический препарат. Цифровое изображение гистологического препарата вносят в память компьютера. Проводят анализ изображения полученного препарата путем сравнения с базой данных. При этом на цифровом изображении исследуемого препарата определяют количественные характеристики ацинусов и эпителиальных клеток. По сравнению изображения гистологического препарата с эталонными изображениями из базы знаний и результатам автоматической классификации принадлежности к типам нарушений гистологической структуры опухоли по шкале Глисона определяют степень злокачественности. Изобретение позволяет определить степени злокачественности аденокарциномы предстательной железы у пациента. 7 ил., 1 пр.

Description

Область, к которой относится изобретение

Изобретение относится к медицине, а именно к онкоурологии, и предназначено для выявления злокачественных опухолей предстательной железы и определения стадии их развития.

Уровень техники

Рак предстательной железы является одним из тяжелых онкологических заболеваний у мужчин. Рак предстательной железы (РПЖ) широко распространенное онкологическое заболевание, занимающее во многих странах 2-е место среди причин смерти от злокачественных новообразований (Jemal A., Siegel R., Ward Е. et al. Cancer statistics, 2008. CA Cancer J. Clin. 2008; 58(2): 71-96). В России ежегодно выявляется около 20 тысяч новых случаев РПЖ. Заболеваемость составляет 25,6 на 100 тысяч населения. Годовой прирост заболевших составляет 63,9% (Алексеев Б.Я., Нюшко К.М. Гормональная терапия больных раком предстательной железы // Онкоурология. - М., 2007-2008. - Спецвыпуск. - С. 2-5). Более чем у 60-80% больных на момент диагностики обнаруживают III-IV стадии заболевания. В России летальность на 1 году жизни после установления диагноза составляет 32% (В.В. Двойрин с соавт., 1995).

Правильное определение стадии опухолевого процесса имеет решающее значение для выбора тактики лечения. Выбор методов лечения и их последовательность зависят от стадии заболевания, общего состояния пациента и чувствительности опухоли к тому или иному лечебному воздействию.

В комплекс традиционных методов диагностики РПЖ входят: пальцевое ректальное исследование (ПРИ), трансректальное ультразвуковое исследование (ТРУЗИ) предстательной железы (ПЖ) и определение уровня сывороточного простатспецифического антигена (ПСА). Специфичность ПРИ в отношении выявления РПЖ невелика, и только у 26-34% мужчин с подозрительными результатами ПРИ обнаруживается РПЖ. При этом более 50% РПЖ, обнаруженного путем ПРИ, представляет собой поздние стадии заболевания. Общее положительное предсказательное значение ТРУЗИ также зависит от стадии и объема опухолевой ткани и составляет всего 18-52% (Feneley M.R., Parkinson M.S. The role and interpretation of core biopsies in clinical benign prostatic hyperplasia // Textbook of benign prostatic hyperplasia. - 1996, p. 211-225). Определение ПСА позволяет диагностировать РПЖ на более ранних стадиях. Однако в силу того что ПСА является белком, вырабатываемым в нормальных здоровых клетках ПЖ, он не является специфичным в отношении РПЖ. Повышение ПСА не всегда свидетельствует о злокачественном процессе и может быть обусловлено воспалением, доброкачественной гиперплазией предстательной железы (ДГПЖ), ишемией, инфарктом предстательной железы. Уровень ПСА также может быть повышен в результате каких-либо диагностических манипуляций на ПЖ (Лоран О.Б., Пушкарь Д.А., Франк Г.А. Простатспецифический антиген и морфологичесая характеристика рака предстательной железы. - М.: Медпресс, 1999. - С. 12-22). С другой стороны, 36,5% пациентов с РПЖ имеют уровень ПСА 2-4 нг/мл (Переверзев А.С, Коган М.И. Рак простаты. - Харьков: Факт, 2004. - С. 57-70).

Завершающим этапом первичной диагностики РПЖ, позволяющим получить гистологическое подтверждение диагноза, является биопсия предстательной железы (Назаренко Г.И., Даренков С.П. и др. Оценка эффективности расширенной трансперинеальной пункционной биопсии предстательной железы под ультразвуковым наведением // Урология. - 2006, №1, С. 50-56).

Точность гистологического исследования в диагностике онкологического заболевания - это 90% успеха в лечении. Если на этом этапе допущена ошибка, то говорить об успешности и эффективности лечения не приходится. Гистологическое исследование - золотой стандарт в диагностике онкологии. Без гистологического подтверждения нельзя уверенно говорить об онкологическом диагнозе в большинстве случаев. Согласно стандартам Всемирной организации здравоохранения (ВОЗ) и российского Минздрава, любой онкологический диагноз должен быть подтвержден гистологически.

Для гистологической оценки дифференцировки рака простаты используется шкала Глисона. Шкала Глисона помогает классифицировать карциному простаты, оценивать прогноз и подбирать оптимальную терапию.

Таким образом, в связи с тем, что выбор метода лечения определяется клинической стадией опухоли на момент постановки диагноза, точное определение дифференцировки опухоли при РПЖ имеет огромное значение в клинической практике. Активно ведется поиск новых, более информативных и специфичных маркеров рака предстательной железы, позволяющих повысить точность и эффективность выявления РПЖ.

Известно решение "Способ диагностики рака предстательной железы" (патент РФ на изобретение №2245549 (2005 г., БИПМ №3)). Способ включает определение ПСА и расчет критерия вероятности рака (КВР) предстательной железы по предложенной формуле. При значении КВР больше 0,2 диагностируют РПЖ.

Недостатком способа является его недостаточная специфичность, которая по данным авторов составляет 22,7% и обусловлена тем, что критерий вероятности РПЖ рассчитывается только на основании возраста пациента и уровня ПСА, который как известно является, прежде всего, органоспецифичным маркером и его значения могут меняться при любых других заболеваниях ПЖ.

Известно решение "Способ диагностики рака предстательной железы" (патент РФ на изобретение №2368319 (2009 г., БИПМ №27). Трансректальным ультразвуковым датчиком проводят измерение переднезаднего размера предстательной железы в покое и при компрессии. Определяют индекс компрессивности и при его уменьшении до 1,04±0,03 мм и менее диагностируют РПЖ.

Недостатком способа является его недостаточная специфичность, обусловленная тем, что компрессивность предстательной железы помимо РПЖ может быть обусловлена фиброаденоматозными и склеротическими изменениями предстательной железы.

Известно решение "Способ выявления рака предстательной железы" (патент РФ на изобретение №2301022 (2007 г., БИПМ №17). При пальцевом ректальном исследовании определяют уплотнение предстательной железы: есть - плюс 1, нет - минус 1. По данным ультразвукового исследования определяют объем предстательной железы. В сыворотке крови пациента определяют уровень общего простатспецифического антигена. Определяют возраст пациента. Также по данным ультразвукового исследования определяют наличие гипоэхогенных участков. По предложенной формуле вычисляют коэффициент диагностики - индекс вероятности наличия рака предстательной железы (РПЖ), и при его значении выше 0,61 диагностируют наличие РПЖ.

Недостатком способа является его недостаточная специфичность, так как признаки, используемые при расчете индекса вероятности наличия рака проявляются и при других заболеваниях ПЖ.

Наиболее близким к предлагаемому техническому решению является "Способ диагностики рака предстательной железы"(патент РФ на изобретение №2156461 (2000 г., БИПМ №26). Для исследования используют операционный материал или ткани предстательной железы, полученные при биопсии. Анализируют изменения в ядрах, характерных для всех клеток предстательной железы, предшествующих и сопровождающих злокачественный рост. Для осуществления способа используют красители, тропные к нуклеиновым кислотам ядер клеток, микроскоп и видеокамеру, через которую полученная информация направляется в персональный компьютер для анализа. Анализ основан на сравнении гистологических препаратов с базой данных, полученной при исследовании морфологически подтвержденных образцов.

Технической проблемой известного способа является невозможность определения степени злокачественности аденокарциномы в соответствии со шкалой Глисона.

Сущность изобретения

Таким образом имеется потребность в создании способа, устраняющего указанные недостатки решений из уровня техники.

Техническим результатом изобретения является повышение объективности и достоверности, а также снижение трудозатрат при постановке диагноза аденокарциномы предстательной железы с определением степени злокачественности по шкале Глисона за счет учета количественных характеристик просветов ацинусов и эпителиальных клеток, предварительного автоматического определения степени злокачественности и дополнительного врачебного заключения, проведенного в интерактивном режиме по уже сформированной картине потенциально опасных зон, с использованием эталонных изображений из базы знаний.

Указанный технический результат достигается за счет того, что в способе определения степени злокачественности аденокарциномы предстательной железы, включающем осуществление биопсии или изготовление срезов ткани предстательной железы из операционного материала, получение гистологического препарата для микроскопического исследования с окраской гематоксилин-эозином; получение цифрового изображения гистологического препарата с помощью камеры, установленной на микроскопе и запись его в память компьютера для анализа, который основан на сравнении гистологических препаратов с базой данных, полученной при исследовании морфологически подтвержденных образцов, предварительно формируют компьютерную базу знаний на основе эталонных изображений препаратов с ранее верифицированным диагнозом, на полученном цифровом изображении исследуемого гистологического препарата выделяют просветы ацинусов и эпителиальные клетки, производят расчет количественных характеристик ацинусов и эпителиальных клеток, на основании рассчитанных количественных характеристик автоматически осуществляют классификацию зон препарата по принадлежности к типам нарушений гистологической структуры опухоли, оценивают по шкале Глисона и выделяют зоны с нарушениями гистологической структуры с указанием полученных оценок, при наличии в выделенных зонах объектов, которые относятся к классу, соответствующему одной из степени злокачественности по шкале Глисона, отмечают зону с этими объектами; для получения дополнительных обоснований правильности оценки изображения гистологического препарата формируют выборку «эталонных» изображений из базы знаний с количественными значениями характеристик объектов на «эталонных» изображениях, соответствующими значениям характеристик объектов, выделенных на исследуемом препарате, выводят сформированную выборку на экран компьютера, в интерактивном режиме визуально оценивают отмеченную зону на изображении исследуемого препарата и сравнивают наблюдаемую морфологическую картину с изображениями из сформированной выборки «эталонных» изображений, находя наиболее похожие морфологические картины и отмечая соответствующие диагнозы; по совокупности проведенных в интерактивном режиме сравнений изображения гистолоигческого препарата с эталонными изображениями из базы знаний с ранее верифицированным диагнозом и результатам автоматической классификации по принадлежности к типам нарушений гистолоигческой структуры опухоли по шкале Глисона определяют степень злокачественности аденокарциномы.

Технический результат усиливается за счет того, что в качестве количественных характеристик для просветов ацинуса автоматически рассчитывают: площадь S, коэффициент формы, вытянутость, серповидность, пространственную плотность просветов ацинуса, среднюю яркость цветовых компонент просвета ацинуса, диапазон яркостей цветовых компонент просвета ацинуса и среднеквадратичное отклонение яркостей цветовых просвета ацинуса, а в качестве количественных характеристик для эпителиальных клеток автоматически рассчитывают среднюю яркость цветовых компонент ядра и цитоплазмы, диапазон яркостей цветовых компонент ядра и цитоплазмы, среднеквадратичное отклонение яркостей цветовых компонент ядра и цитоплазмы, количество «ядрышек» в ядре эпителиальной клетки, площадь ядра эпителиальных клеток, среднюю площадь ядра эпителиальных клеток, среднеквадратичное отклонение площади ядер эпителиальных клеток и диапазон изменения площади ядер эпителиальных клеток.

Описание графических материалов Изобретение поясняется чертежами, где

на Фиг. 1 показан препарат ткани предстательной железы с окраской гематоксилин-эозином,

на Фиг. 2 - фрагмент изображения препарата предстательной железы, где А) - вид до обработки, Б) - тот же фрагмент с выделенным просветом ацинуса, В) - тот же фрагмент с выделенной зоной эпителиальных клеток,

на Фиг. 3 показан примеры объектов класса гломеруляций. Объект, выделенный в примере, приведенном на Фиг. 2 отнесен к классу гломеруляций. Такие объекты характерны для четвертой степени аденокарциномы по шкале Глисона,

на Фиг. 4 показано изображение препарата А) - без маркирования, Б) - с маркированием зоны, в которой находятся объекты, представленные на Фиг. 2 и классифицированные как объекты, соответствующие четвертой степени злокачественности по шкале Глисона,

на Фиг. 5 показан выборка изображений из предварительно созданной базы знаний, содержащей цифровые микроскопические изображения препаратов с верифицированными диагнозами («эталонные» изображения). В выборку из базы знаний отобраны те изображения, которые содержат объекты, значения характеристик которых соответствуют значениям характеристик объектов, выделенных на Фиг. 2,

на Фиг. 6 показаны изображение зоны исследуемого препарата с выделенными объектами находится в левой панели экрана, изображение из выборки из базы знаний находится в правой панели. Иконки изображений выборки представлены в полосе внизу экрана,

на Фиг. 7(А, Б, В) соответственно приведено изображение просвета ацинуса (7А красный контур) с построенным внутри скелетом (черная линия) (фиг. 7А, 7Б), «скелет» просвета ацинуса и показаны лучи, соединяющие центр скелета с концами скелета, и измерение угла между лучами (фиг. 7В).

На фигурах приведены следующие обозначения:

U- угол в радианах,

π - постоянное число, равное, приблизительно, 3,14.

Осуществление изобретения

При выполнении диагностики и оценки степени злокачественности рака предстательной железы на основе гистологического исследования ткани предстательной железы с помощью микроскопа, цифровой камеры и компьютера в отличие от известного технического решения выполняют следующие действия:

1. Производится выделение просветов ацинусов и эпителиальных клеток на микроскопическом изображении окрашенного гематоксилин-эозином препарата предстательной железы, при этом определяются количественные значения характеристик выделенных объектов, отражающих принадлежность выделенных объектов к одной из степеней злокачественности аденокарциномы по шкале Глисона.

В качестве количественных характеристик для просветов ацинусов в автоматическом режиме возможно определять: площадь, коэффициент формы, вытянутость, серповидность, пространственную плотность просветов ацинуса, среднюю яркость цветовых компонент просвета ацинуса, диапазон яркостей цветовых компонент просвета ацинуса и среднеквадратичное отклонение яркостей цветовых компонент просвета ацинуса.

В качестве количественных характеристик для эпителиальных клеток в автоматическом режиме возможно определять: среднюю яркость цветовых компонент ядра и цитоплазмы, диапазон яркостей цветовых компонент ядра и цитоплазмы, среднеквадратичное отклонение яркостей цветовых компонент ядра и цитоплазмы, количество «ядрышек» в ядре эпителиальной клетки, площадь ядра эпителиальных клеток, среднюю площадь ядра эпителиальных клеток, среднеквадратичное отклонение площади ядер эпителиальных клеток и диапазон изменения площади ядер эпителиальных клеток. Ниже для упрощения приведены примеры определения одной из количественных характеристик.

2. Автоматически выполняется классификация выделенных объектов с выявлением среди них, относящихся к классу, соответствующему одной из степеней злокачественности аденокарциномы по шкале Глисона, при этом на изображении отмечается соответствующая зона для фокусировки на ней внимания исследователя при визуальной оценке изображения препарата.

1. Осуществляется визуальное в интерактивном режиме сравнение отмеченных зон на изображении исследуемого препарата с изображениями из выборки микроскопических изображений препаратов с ранее верифицированными диагнозами («эталонных» изображений) и соответственно размеченными зонами и имеющих значения характеристик объектов, выделенных на этих «эталонных» изображениях, соответствующие значениям характеристик объектов, выделенных на изображении исследуемого препарата. При этом выборка формируется компьютером из базы знаний на основании значений характеристик объектов, выделенных на исследуемом препарате. По результатам произведенного сравнения делается окончательное заключение о наблюдаемой в исследуемом препарате степени злокачественности аденокарциномы по шкале Глисона.

При этом следует отметить, что повышение объективности обеспечивается за счет независимого от «субъекта» выделения объектов на исследуемом препарате и формирования выборки «эталонных» изображений для визуального сравнения. А повышение достоверности обеспечивается тем, что для обоснования решения о степени злокачественности аденокарциномы по шкале Глисона для сравнительного визуального анализа предоставляется соответствующая исследуемому препарату выборка «эталонных» изображений с ранее верифицированным диагнозом.

Для осуществления способа предварительно формируют базу знаний на основе эталонных изображений препаратов предстательной железы с верифицированным диагнозом. Для эталонных изображений определяют количественные характеристики ацинусов и эпителиальных клеток и сохраняют в памяти компьютера для дальнейшего использования.

Для определения степени злокачественности и подтверждения поставленного диагноза пациенту проводят биопсию. В случае проведения операции на предстательной железе используют срез ткани предстательной железы из операционного материала. Для микроскопического исследования из ткани предстательной железы готовят препарат с окраской гематоксилин-эозином (Фиг. 1).

Затем препарат устанавливают на предметный столик микроскопа и с помощью камеры, размещенной на микроскопе, получают цифровое изображение препарата и его в память компьютера.

В автоматическом режиме по программе на цифровом микроскопическом изображении препарата (Фиг. 2 (А)) выделяют просветы ацинусов, как это показано на Фиг. 2 (Б), и зоны эпителиальных клеток, как это показано на Фиг. 2 (В), при этом определяют значения характеристик выделенных объектов, отражающие принадлежность выделенных объектов к одной из степеней злокачественности аденокарциномы по шкале Глисона. В качестве количественных характеристик для просветов ацинусов в автоматическом режиме определяют: площадь S, коэффициент формы по формуле (4*π*S/P**2), где π=3,14…, Р - периметр, ** - возведение в степень, вытянутость (отношение максимально «длинной» к максимально короткой проекции контура объекта на оси инерции объекта), серповидность C=1-U/π; (U-угол в радианах между лучами, исходящими из середины «скелета» объекта до концевых точек «скелета», π=3,14) (определяется только для объектов с «неветвящимся скелетом», для объектов с «ветвящимся скелетом» серповидность устанавливается равной 0), пространственную плотность просветов ацинусов (число просветов ацинусов на единицу площади), среднюю яркость цветовых компонент просвета ацинуса, диапазон яркостей цветовых компонент просвета ацинуса и среднеквадратичное отклонение яркостей цветовых просвета ацинуса. В качестве количественных характеристик для эпителиальных клеток определяют среднюю яркость цветовых компонент ядра и цитоплазмы, диапазон яркостей цветовых компонент ядра и цитоплазмы, среднеквадратичное отклонение яркостей цветовых компонент ядра и цитоплазмы, количество «ядрышек» в ядре эпителиальной клетки, площадь ядра эпителиальных клеток, среднюю площадь ядра эпителиальных клеток, среднеквадратичное отклонение площади ядер эпителиальных клеток и диапазон изменения площади ядер эпителиальных клеток.

На основе полученных значений характеристик выделенных объектов автоматически по компьютерной программе проводят их классификацию для указания типа объекта, характерного для аденокарциномы определенной степени злокачественности по шкале Глисона (Фиг. 3). Объект, выделенный в примере, приведенном на Фиг. 2 отнесен к классу гломеруляций. Такие объекты характерны для четвертой степени аденокарциномы по шкале Глисона.

Далее, на цифровом изображении препарата Фиг. 4 (А) маркируют зону Фиг. 4 (Б), в которой находятся объекты, классифицированные как объекты, соответствующие определенной степени злокачественности по шкале Глисона. Т.е. на Фиг. 4 (Б) указывают зоны, в которой находятся объекты, представленные на Фиг. 2 и классифицированные как объекты, соответствующие четвертой степени злокачественности по шкале Глисона.

По рассчитанным количественным значениям характеристик выделенных объектов формируют выборку изображений из предварительно созданной базы знаний, содержащей цифровые микроскопические изображения препаратов с верифицированными диагнозами («эталонные» изображения). В выборку из базы знаний (см. Фиг. 5) отбираются те изображения, которые содержат объекты, значения характеристик которых соответствуют значениям характеристик объектов, выделенных на Фиг. 2 - изображении исследуемого препарата (Фиг. 5).

Изображение зоны исследуемого препарата с объектами, классифицированными как соответствующими определенной степени злокачественности по шкале Глисона, выводится на экран компьютера. Пример такого отображения показан на базе созданной авторами программы, интерфейс работы которой виден на Фиг. 6, где изображение зоны исследуемого препарата с выделенными объектами находится в левой панели экрана, изображение из выборки из базы знаний находится в правой панели. Иконки изображений выборки представлены в полосе внизу экрана.

Далее врач проводит их визуальное в интерактивном режиме сравнение. При нахождении в выборке морфологически сходных изображений отмечается диагноз, соответствующий похожему «эталонному» изображению.

На основании всех выполненных сравнений врач принимает решение о наблюдаемой в исследуемом препарате степени злокачественности аденокарциномы по шкале Глисона или делает вывод об отсутствии оснований для заключения о наличии определенной степени злокачественности аденокарциномы по шкале Глисона.

Далее рассмотрен алгоритм диагностики для случая определения характеристик ацинусов по признаку «серповидность».

На фиг. 7 (А, Б, В) соответственно приведено изображение просвета ацинуса с построенным внутри скелетом (черная линия), «скелет» просвета ацинуса и показаны лучи, соединяющие центр скелета с концами скелета, и измерение угла между лучами. В данном примере угол равен 0,52 радиан. Последовательность действий при определении количественной характеристики ацинуса следующая:

1) программой на изображении выделяются просветы ацинусов (фиг. 7А, замкнутый пунктирный контур),

2) программой для области просвета строится линия «скелета» - (фиг. 7Б), черная линия внутри замкнутого пунктирного контура или внутренняя линия на фиг. 7А,

3) если скелет неразветвленный, программой из центра «скелета» строятся лучи, соединяющие центр с концами «скелета», и измеряется угол между лучами, фиг. 7В,

4) программой производится расчет признака «серповидность»:

Серповидность C=l-U/π; (U-угол в радианах между лучами, исходящими из середины «скелета» объекта до концевых точек «скелета», π=3,14).

Для указанного примера С=1-(0,52/π)=0,83

5) программой при классификации выделенного объекта принимается, что если серповидность больше 0,5, то ацинус является гломеруляцией, соответствующей 4 стадии шкалы Глисона,

6) программой на изображении устанавливается метка потенциально «опасной зоны» с указанием типа - «гломеруляция», соответствующая 4 стадии по шкале Глисона,

7) программой в базе знаний проводится поиск случаев с «гломеруляцией» и представляется врачу для сравнительного анализа результат поиска в виде галереи изображений с гломеруляциями,

8) врач просматривает представленные в галерее изображения визуально, оценивая «похожесть» анализируемого случая со случаями из галереи,

9) врач, убедившись, что анализируемое изображение содержит гломеруляцию, принимает диагностическое решение о наличии злокачественного процесса, соответствующего 4 стадии по шкале Глисона.

Пример. Больной Б. проходил гистологическое исследование ткани предстательной железы. После приготовления гистологического препарата (см. Фиг. 2 (А)) с окраской гематоксилин-эозином и ввода микроскопического изображения препарата в компьютер на изображении были выделены просветы ацинусов Фиг. 2 (Б) и эпителиальные клетки Фиг. 2 (В). По значениям характеристик выделенных объектов проведена классификация (Фиг. 3) и выявлены объекты, относящиеся к типу «гломеруляций», которые характерны для аденокарциномы четвертой степени злокачественности по шкале Глисона Фиг. 4 (А, Б). В соответствии с значениями характеристик выделенных объектов из базы знаний в компьютере сформирована выборка из 18 изображений препаратов с ранее верифицированными диагнозами. Визуальное сравнение изображений (Фиг. 6) из выборки с изображением исследуемого препарата позволило установить соответствие наблюдаемых морфологических картин (Фиг. 6) исследуемого препарата с 12 изображениями препаратов с диагнозом аденокарцинома четвертой степени злокачественности по шкале Глисона (Фиг. 3). На основании наблюдаемой на исследуемом препарате морфологической картины и сравнении ее с «эталонными» изображениями из выборки сделано заключение о наличии аденокарциномы четвертой степени злокачественности по шкале Глисона (поставлен гистологический диагноз о наличии в препарате зоны аденокарциномы с четвертой степенью злокачественности по шкале Глисона). Независимая оценка исследуемого препарата квалифицированным экспертом подтвердила наличие зоны аденокарциномы четвертой степени злокачественности по шкале Глисона.

Представленный способ не заменяет врача, а является средством поддержки принятия врачебного диагностического решения. Окончательное решение о диагнозе принимает врач. Представленный способ помогает врачу в следующем:

1) на изображении препарата, при анализе которого врачу при наблюдении в микроскоп в режиме сканирования препарата необходимо просмотреть сотни полей зрения, программа на изображении отмечает потенциально «опасные зоны» - с признаками злокачественного процесса, что позволяет врачу сосредоточиться на анализе этих зон, не «тратя» свое зрение и время на подробный анализ «безопасных зон» при поиске «опасных зон»,

2) для подтверждения того, что процесс в «опасной зоне» злокачественный программа находит в базе знаний случаи «похожие» на анализируемый и предъявляет их изображения с экспертными описаниями врачу. Это позволяет врачу путем визуального сравнения с «эталонами» убедиться, что анализируемый случай соответствует тому заключению, которое программа представила в результате цифровой обработки данных. Тем самым обеспечивается повышение объективности принимаемого врачом диагностического решения, так как он в этом случае использует не только собственные знания, сформированные его личной практикой, но и знания ведущих экспертов в области диагностики рака предстательной железы. Эти знания аккумулированы в базе знаний системы.

Claims

Способ определения степени злокачественности аденокарциномы предстательной железы, включающий
- предварительное формирование компьютерной базы знаний на основе эталонных изображений препаратов с ранее верифицированным диагнозом,
- осуществление биопсии или изготовление срезов ткани предстательной железы из операционного материала,
- получение гистологического препарата для микроскопического исследования с окраской гематоксилин-эозином;
- получение цифрового изображения гистологического препарата с помощью камеры, установленной на микроскопе, и запись его в память компьютера для анализа, который основан на сравнении гистологических препаратов с базой данных, полученной при исследовании морфологически подтвержденных образцов,
- при этом на полученном цифровом изображении исследуемого гистологического препарата выделяют просветы ацинусов и эпителиальные клетки,
- проводят определение количественных характеристик ацинусов и эпителиальных клеток, где в качестве количественных характеристик для просветов ацинусов в автоматическом режиме определяют: площадь, коэффициент формы, вытянутость, серповидность, пространственную плотность просветов ацинуса, среднюю яркость цветовых компонент просвета ацинуса, диапазон яркостей цветовых компонент просвета ацинуса и среднеквадратичное отклонение яркостей цветовых компонент просвета ацинуса, где в качестве количественных характеристик для эпителиальных клеток в автоматическом режиме определяют: среднюю яркость цветовых компонент ядра и цитоплазмы, диапазон яркостей цветовых компонент ядра и цитоплазмы, среднеквадратичное отклонение яркостей цветовых компонент ядра и цитоплазмы, количество «ядрышек» в ядре эпителиальной клетки, площадь ядра эпителиальных клеток, среднюю площадь ядра эпителиальных клеток, среднеквадратичное отклонение площади ядер эпителиальных клеток и диапазон изменения площади ядер эпителиальных клеток.
- на основании вышеуказанных количественных характеристик автоматически осуществляют классификацию зон препарата по принадлежности к типам нарушений гистологической структуры опухоли, оценивают по шкале Глисона и выделяют зоны с нарушениями гистологической структуры с указанием полученных оценок,
- при наличии в выделенных зонах объектов, которые относятся к классу, соответствующему одной из степеней злокачественности по шкале Глисона, отмечают зону с этими объектами;
- формируют выборку «эталонных» изображений из базы знаний с количественными значениями характеристик объектов на «эталонных» изображениях, соответствующими значениям характеристик объектов, выделенных на исследуемом препарате, выводят сформированную выборку на экран компьютера,
- в интерактивном режиме визуально оценивают отмеченную зону на изображении исследуемого препарата и сравнивают наблюдаемую морфологическую картину с изображениями из сформированной выборки «эталонных» изображений, находя наиболее похожие морфологические картины и отмечая соответствующие диагнозы;
- по совокупности проведенных сравнений изображения гистологического препарата с эталонными изображениями из базы знаний с ранее верифицированным диагнозом и результатам автоматической классификации принадлежности к типам нарушений гистологической структуры опухоли по шкале Глисона определяют степень злокачественности аденокарциномы.