Д.С. Махов1, А.В. Самородов2

1, 2 Московский государственный технический университет им. Н.Э. Баумана (Москва, Россия)
dennismak@yandex.ru, avs@bmstu.ru

Постановка проблемы. При раке молочной железы определение амплификации гена HER2 методом флуоресцентной in situ гибридизации необходимо в случаях неопределенной иммуногистохимической оценки. Визуальный анализ таких изображений трудоемок и субъективен из-за гетерогенности препарата, аппаратных и биологических артефактов. Для обеспечения воспроизводимости результатов и снижения нагрузки на врача необходима разработка интерпретируемого автоматизированного алгоритма, основанного на рекомендациях для ручного анализа.

Цель. Исследовать особенности применения рекомендаций для ручного анализа при автоматизированной поддержке принятия врачебных решений с использованием бинарной сегментации ядер и сигналов на изображениях флуоресцентной in situ гибридизации и оценить влияние дополнительных признаков выделенных областей на качество работы алгоритма.

Результаты. На выборке из 155 изображений для 44 пациентов с использованием предварительно обученных моделей глубокого обучения выполнена сегментация ядер и сигналов. Показано, что базовая адаптация рекомендаций для ручного анализа обеспечивает согласованность с экспертной оценкой на уровне κ = 0,36. Использование взвешенной оценки соотношения сигналов и оптимизация порогового значения повышают согласованность до κ = 0,49. Применение мета-классификатора на основе признаков числа, площади и интенсивности выделенных объектов увеличивает согласованность до κ = 0,58.

Практическая значимость. Предлагаемый подход позволяет повысить объективность и воспроизводимость интерпретации изображений флуоресцентной in situ гибридизации при раке молочной железы и снизить трудоемкость анализа для врача.

Махов Д.С., Самородов А.В. Автоматизированная поддержка принятия врачебных решений при определении амплификации гена HER2 по FISH-изображениям при раке молочной железы // Биомедицинская радиоэлектроника. 2026. T. 29. № 4. С. 18−22. DOI: https://doi.org/ 10.18127/j156 04136-202604-02

1. Tsang J.Y.S., Tse G.M. Molecular classification of breast cancer // Advances in Anatomic Pathology. 2020. V. 27. № 1. P. 27–35.
2. Волченко Н.Н. и др. Современная цитологическая диагностика заболеваний молочной железы. М.: МГТУ им. Баумана, 2014. 198 с.
3. Ly H. et al. Response to anti-HER2 neoadjuvant chemotherapy in HER2-positive invasive breast cancers with different HER2 FISH patterns // Journal of Clinical Pathology. 2025. V. 78. № 8. P. 540–547.
4. Nitta H., Kelly B.D. et al. The assessment of HER2 status in breast cancer: the past, the present, and the future // Pathology International. 2016. V. 66. № 6. P. 313–324.
5. Wolff A.C. et al. Epidermal Growth Factor Receptor 2 Testing in Breast Cancer // Archives of Pathology & Laboratory Medicine. 2023. V. 147. № 9. P. 993–1000.
6. Viale G. et al. Assessment of HER2 amplification status in breast cancer using a new automated HER2 IQFISH pharmDx™ (Dako Omnis) assay // Pathology – Research and Practice. 2016. V. 212. № 8. P. 735–742.
7. Zakrzewski F. et al. Automated detection of the HER2 gene amplification status in fluorescence in situ hybridization images for the diagnostics of cancer tissues // Scientific Reports. 2019. V. 9. № 1. Art. 8231. DOI: 10.1038/s41598-019-44821-4.
8. 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. Т. 25. № 5. С. 58–69.
9. Ronneberger O., Fischer P., Brox T. U-Net: Convolutional Networks for Biomedical Image Segmentation. arXiv. 2015. Art. arXiv:1505.04597.
10. van der Logt E. M. J. et al. Fully automated fluorescent in situ hybridization (FISH) staining and digital analysis of HER2 in breast cancer: a validation study // PloS one. 2015. V. 10. № 4. Art. e0123201.
11. Xue T. et al. Deep learning to automatically evaluate HER2 gene amplification status from fluorescence in situ hybridization images // Scientific Reports. 2023. V. 13. № 1. Art. 9746.