Д.С. Махов1, Г.С. Размахаев2, Е.Н. Славнова3, А.В. Самородов4
1,4 Московский государственный технический университет имени Н.Э. Баумана (Москва, Россия)
2,3 МНИОИ имени П.А. Герцена – филиал ФГБУ «НМИЦ радиологии» Минздрава России (Москва, Россия)
Постановка проблемы. Рак молочной железы (РМЖ) является наиболее распространенным подтипом онкологии у женщин в России и мире. Для снижения смертности от РМЖ необходимо не только установить наличие заболевания, но и определить его биологический подтип. Для этого проводится визуальная оценка результатов иммунохимических исследований по определению экспрессии ряда онкомаркеров. Оценка одного из таких биомаркеров – белка CerbB2 (HER2/neu) – проводится по изображениям, регистрируемым на цифровом флуоресцентном микроскопе в рамках исследования методом флуоресцентной in situ гибридизацией (FISH). Для определения наличия амплификации гена HER2 необходимо определить среднее соотношение числа сигналов гена HER2 к сигналам от центромерных участков хромосом не менее чем в 20 ядрах. Для повышения объективности и воспроизводимости получаемых результатов, а также снижения нагрузки на врачей предлагается использовать методы автоматизированного анализа изображений для создания системы поддержки диагностических решений при определении HER2-статуса. Рядом исследователей предпринимались попытки автоматизации как отдельных элементов подобных систем, так и создание всей системы целиком. Однако предлагаемые решения не принимают во внимание большую вариабельность свойств исследуемого биообъекта и используемых технических средств регистрации и анализа изображений, что приводит к низкому уровню доверия врачей к подобным системам, а также высокой зависимости от используемых технических средств.
Цель работы – разработка алгоритма автоматизированного определения амплификации гена HER2 при РМЖ методом FISH по цифровым изображениям и его предварительная апробация, а также описание особенностей функционирования соответствующей биотехнической системы.
Результаты. На базе МНИОИ им. П.А. Герцена была собрана верифицированная база изображений полей зрения препаратов 44 пациентов. Препараты существенно различались по качеству приготовления и цветояркостным характеристикам их изображений. На вручную размеченных изображениях для 7 пациентов были обучены алгоритмы сегментации ядер и детектирования двух видов сигналов. С использованием предлагаемой системы определения среднего соотношения числа сигналов были определены оценки чувствительности и специфичности, которые составили соответственно 0,70 и 0,63 – без коррекции фона и 0,60 и 0,72 – с коррекцией фона. Для повышения значений данных показателей необходима предварительная оценка параметров изображения для адаптивного применения алгоритма коррекции фона.
Практическая значимость. Предлагаемый подход к определению амплификации гена HER2 при РМЖ методом FISH позволяет снизить нагрузку на патологов, увеличить объективность и воспроизводимость получаемых результатов. В предлагаемом подходе используется аппроксимация фонового сигнала, что позволяет учесть вариативность свойств исследуемых биообъектов, а также снизить влияние ряда этапов пробоподготовки.
Махов Д.С., Размахаев Г.С., Славнова Е.Н., Самородов А.В. Разработка биотехнической системы автоматизированного определения HER2-статуса при раке молочной железы методом флуоресцентной in situ гибридизации (FISH) // Биомедицинская радиоэлектроника. 2022. T. 25. № 5. С. 58-69. DOI: https://doi.org/10.18127/j15604136-202205-07
- Bray М.F. et al. Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries // CA: a cancer journal for clinicians. 2018. V. 68. № 6. P. 394–424.
- Malhotra G.K. et al. Histological, molecular and functional subtypes of breast cancers // Cancer biology & therapy. 2010. V. 10. № 10. P. 955–960.
- Современная цитологическая диагностика заболеваний молочной железы: Монография / Н.Н. Волченко, Е.Н. Славнова, З.Д. Гладунова и др. / Под ред. Е.Н. Славновой. М.: МГТУ им. Н.Э. Баумана. 2014. 198 с.
- Wolff A.C. et al. Human Epidermal Growth Factor Receptor 2 Testing in Breast Cancer: American Society of Clinical Oncology/College of American Pathologists Clinical Practice Guideline Focused Update // Journal of Clinical Oncology. 2018. V. 36. № 20. P. 2105–2122.
- Jiang H. et al. Evaluation of HER2 gene amplification in breast cancer using nuclei microarray in situ hybridization //International Journal of Molecular Sciences. 2012. V. 13. № 5. P. 5519–5527.
- Smoley S.A. et al. Standardization of fluorescence in situ hybridization studies on chronic lymphocytic leukemia (CLL) blood and marrow cells by the CLL Research Consortium // Cancer genetics and cytogenetics. 2010. V. 203. № 2. P. 141–148.
- Bogdanovska-Todorovska M. et al. Standardization and optimization of fluorescence in situ hybridization (FISH) for HER-2 assessment in breast cancer: A single center experience // Bosnian journal of basic medical sciences. 2018. V. 18. № 2. P. 132.
- Petersen B.L. et al. Fluorescence in situ hybridization on formalin-fixed and paraffin-embedded tissue: optimizing the method // Applied Immunohistochemistry & Molecular Morphology. 2004. V. 12. № 3. P. 259–265.
- Souza M.M., Urdampilleta J.D., Forni Martins E.R. Improvements in cytological preparations for fluorescent in situ hybridization in Passiflora // Genetics and Molecular Research. 2010. V. 9. № 4. P. 2148–2155.
- Castleman K.R. Color compensation for digitized FISH images // Bioimaging. 1993. V. 1. № 3. P. 159–165.
- Choi H., Castleman K.R., Bovik A.C. Joint segmentation and classification of M-FISH chromosome images // The 26th Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE. 2004. V. 1. P. 1636–1639.
- Likar B. et al. Retrospective shading correction based on entropy minimization // Journal of Microscopy. 2000. V. 197. № Pt 3. P. 285–295.
- Choi H., Castleman K.R., Bovik A.C. Color compensation of multicolor FISH images // IEEE transactions on medical imaging. 2008. V. 28. № 1. P. 129–136.
- Tomaževič D., Likar B., Pernuš F. Comparative evaluation of retrospective shading correction methods //Journal of microscopy. 2002. V. 208. № 3. P. 212–223.
- Bagwell C.B., Adams E.G. Fluorescence spectral overlap compensation for any number of flow cytometry parameters // Annals of the New York Academy of Sciences. 1993. V. 677. № 1. P. 167–184.
- Ronneberger O., Fischer P., Brox T. U-net: Convolutional networks for biomedical image segmentation // International Conference on Medical image computing and computer-assisted intervention. Springer, Cham. 2015. P. 234–241.
- Махов Д.С., Самородов А.В., Размахаев Г.С., Славнова Е.Н. Коррекция фона для автоматизации анализа FISH-изображений // Биотехносфера. 2021. № 1 (66). P. 23–29.