Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Вход
RU
+7 (495) 482-4118
+7 (495) 482-4329
+8 800 250-18-12
  • (бесплатный номер по вопросам подписки)
    пн-пт с 10 до 18
  • Издательство «Медиа Сфера»
    а/я 54, Москва, Россия, 127238
  • info@mediasphera.ru

  • © 1998-2026
+7 (495) 482-43-29
RU
Все журналы
Журнал
Год
Год
Результаты поиска: 0

Игорь Дмитриевич Мусатов

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Владислав Олегович Осипов

ПАО Сбербанк — SberData, Москва, Россия

Александр Николаевич Вербовский

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Галия Равилевна Сетдикова

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Алексей Владимирович Семенков

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Возможности применения технологии искусственного интеллекта в оценке митотической активности гастроинтестинальных стромальных опухолей желудка

Авторы:

Мусатов И.Д., Осипов В.О., Вербовский А.Н., Сетдикова Г.Р., Семенков А.В.

Подробнее об авторах

Журнал: Архив патологии. 2026;87(2): 67‑71

DOI: 10.17116/patol20268802167

Прочитано: 193 раза

Купить за 300₽
Связаться с автором
Оглавление

POTENTIAL APPLICATIONS OF ARTIFICIAL INTELLIGENCE TECHNOLOGY IN ASSESSING MITOTIC ACTIVITY OF GASTROINTESTINAL STROMAL TUMORS OF THE STOMACH
POTENTIAL APPLICATIONS OF ARTIFICIAL INTELLIGENCE TECHNOLOGY IN ASSESSING MITOTIC ACTIVITY OF GASTROINTESTINAL STROMAL TUMORS OF THE STOMACH

Как цитировать:

Мусатов И.Д., Осипов В.О., Вербовский А.Н., Сетдикова Г.Р., Семенков А.В. Возможности применения технологии искусственного интеллекта в оценке митотической активности гастроинтестинальных стромальных опухолей желудка. Архив патологии. 2026;87(2):67‑71.
Musatov ID, Osipov VO, Verbovsky AN, Setdikova GR, Semenkov AV. Potential applications of artificial intelligence technology in assessing mitotic activity of gastrointestinal stromal tumors of the stomach. Russian Journal of Archive of Pathology. 2026;87(2):67‑71. (In Russ.)
https://doi.org/10.17116/patol20268802167

Подписка 2026 Архив патологии (Russian Journal of Archive of Pathology)
МСФ на ЯМ
Использование инфографики авторами научных работ
Рекомендуем статьи по данной теме:
На пу­ти к пер­со­на­ли­зи­ро­ван­ной кар­ди­оло­гии: пер­спек­ти­вы пре­ци­зи­он­ной оцен­ки сер­деч­но-со­су­дис­тых рис­ков и пре­дик­тив­но-прог­нос­ти­чес­кой ди­аг­нос­ти­ки. Кар­ди­оло­гия и сер­деч­но-со­су­дис­тая хи­рур­гия. 2025;(2):206-215
Ис­поль­зо­ва­ние ис­кусствен­но­го ин­тел­лек­та для оцен­ки омо­ла­жи­ва­юще­го эф­фек­та эн­дос­ко­пи­чес­ких опе­ра­ций в пе­ри­ор­би­таль­ной об­лас­ти. Плас­ти­чес­кая хи­рур­гия и эс­те­ти­чес­кая ме­ди­ци­на. 2025;(2):42-51
Ис­кусствен­ный ин­тел­лект в оп­ре­де­ле­нии ин­ди­ви­ду­аль­ных рис­ков прог­рес­си­ро­ва­ния воз­рас­тной ма­ку­ляр­ной де­ге­не­ра­ции. Вес­тник оф­таль­мо­ло­гии. 2025;(2):123-128
Прог­нос­ти­чес­кая мо­дель и каль­ку­ля­тор оцен­ки рис­ка за­тяж­но­го плев­раль­но­го вы­по­та пос­ле ло­бэк­то­мии. Хи­рур­гия. Жур­нал им. Н.И. Пи­ро­го­ва. 2025;(6):26-34
Воз­мож­нос­ти ис­кусствен­но­го ин­тел­лек­та при рас­се­ян­ном скле­ро­зе. Жур­нал нев­ро­ло­гии и пси­хи­ат­рии им. С.С. Кор­са­ко­ва. 2025;(5):14-21
Ис­кусствен­ный ин­тел­лект в хи­рур­гии. Сни­же­ние рис­ков, свя­зан­ных с по­ли­фар­ма­ко­те­ра­пи­ей, в пе­ри­опе­ра­ци­он­ном пе­ри­оде. Хи­рур­гия. Жур­нал им. Н.И. Пи­ро­го­ва. 2025;(7):59-66
Ис­кусствен­ный ин­тел­лект в ком­плексной ре­аби­ли­та­ции ин­ва­ли­дов. (Об­зор ли­те­ра­ту­ры). Воп­ро­сы ку­рор­то­ло­гии, фи­зи­оте­ра­пии и ле­чеб­ной фи­зи­чес­кой куль­ту­ры. 2025;(3):54-61
При­ме­не­ние сис­те­мы под­дер­жки при­ня­тия вра­чеб­ных ре­ше­ний Webiomed.DHRA при про­ве­де­нии дис­пан­се­ри­за­ции в Рос­сий­ской Фе­де­ра­ции: эко­но­ми­чес­кий ана­лиз. Ме­ди­цин­ские тех­но­ло­гии. Оцен­ка и вы­бор. 2025;(3):61-73
Ис­кусствен­ный ин­тел­лект в реп­ро­дук­тив­ной ме­ди­ци­не и хи­рур­гии. Проб­ле­мы реп­ро­дук­ции. 2025;(4):10-25
Воз­мож­нос­ти ис­кусствен­но­го ин­тел­лек­та при вы­бо­ре так­ти­ки хи­рур­ги­чес­ко­го ле­че­ния при тет­ра­де Фал­ло. Кар­ди­оло­гия и сер­деч­но-со­су­дис­тая хи­рур­гия. 2025;(5):560-565
Резюме / Abstract:

Гастроинтестинальные стромальные опухоли (ГИСО) являются наиболее распространенным подтипом сарком мягких тканей, диагностика которых основывается на сочетании клинической картины, анатомической локализации опухоли и гистологического и иммуногистохимического (ИГХ) исследований. В данной работе рассматривается возможность применения технологий искусственного интеллекта (ИИ) для автоматизированного выявления митозов в гистологических изображениях ГИСО. Проведен обзор литературы по использованию ИИ в морфологической диагностике различных опухолей. В рамках исследования создан тестовый датасет из 220 оцифрованных гистологических стеклопрепаратов, размеченных на платформе CVAT. Для анализа митотической активности применена сверточная нейронная сеть YOLOv11, обученная на 300 эпохах. Оценка эффективности модели показала, что точность ее работы ограничена из-за небольшого количества обучающих данных. В будущем планируется расширение датасета и повышение качества распознавания патологических митозов.

Ключевые слова / Keywords:

ГИСО
искусственный интеллект
митотическая активность

Авторы / Authors:

Игорь Дмитриевич Мусатов

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Владислав Олегович Осипов

ПАО Сбербанк — SberData, Москва, Россия

Александр Николаевич Вербовский

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Галия Равилевна Сетдикова

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Алексей Владимирович Семенков

ГБУЗ МО «Московский областной научно-исследовательский клинический институт им. М.Ф. Владимирского», Москва, Россия

Дата поступления:

12.07.2025

Дата принятия в печать:

22.12.2025

Закрыть метаданные

Литература / References:

  1. WHO Classification of Tumours Editorial Board. WHO classification of tumours of the digestive system. 5th ed. France, Lyon: IARC; 2019.
  2. Mantese G. Gastrointestinal stromal tumor: epidemiology, diagnosis, and treatment. Curr Opin Gastroenterol. 2019;35(6):555-559.  https://doi.org/10.1097/MOG.0000000000000584
  3. Kelly CM, Gutierrez Sainz L, Chi P. The management of metastatic GIST: current standard and investigational therapeutics. J Hematol Oncol. 2021;14:2.  https://doi.org/10.1186/s13045-020-01026-6
  4. Blay JY, Kang YK, Nishida T, et al. Gastrointestinal stromal tumours. Nat Rev Dis Primers. 2021;7:22.  https://doi.org/10.1038/s41572-021-00254-5
  5. Araujo T, Aresta G, Castro E, et al. Classification of breast cancer histology images using convolutional neural networks. PLoS One. 2017;12(6):e0177544. https://doi.org/10.1371/journal.pone.0177544
  6. Ehteshami Bejnordi B, Mullooly M, Pfeiffer RM, et al. Using deep convolutional neural networks to identify and classify tumor-associated stroma in diagnostic breast biopsies. Mod Pathol. 2018;31(10):1502-1512. https://doi.org/10.1038/s41379-018-0073-z
  7. Jiang Y, Chen L, Zhang H, Xiao X. Breast cancer histopathological image classification using convolutional neural networks with small SE-ResNet module. PLoS One. 2019;14(3):e0214587. https://doi.org/10.1371/journal.pone.0214587
  8. Arvaniti E, Fricker KS, Moret M, et al. Automated Gleason grading of prostate cancer tissue microarrays via deep learning. Sci Rep. 2018;8(1):12054. https://doi.org/10.1038/s41598-018-30535-1
  9. Guan Q, Wang Y, Ping B, et al. Deep convolutional neural network VGG-16 model for differential diagnosing of papillary thyroid carcinomas in cytological images: a pilot study. J Cancer. 2019;10(20):4876-4882. https://doi.org/10.7150/jca.28769
  10. Wang Y, Guan Q, Lao I, et al. Using deep convolutional neural networks for multi-classification of thyroid tumor by histopathology: a large-scale pilot study. Ann Transl Med. 2019;7(18):468.  https://doi.org/10.21037/atm.2019.08.54
  11. Teramoto A, Tsukamoto T, Kiriyama Y, Fujita H. Automated classification of lung cancer types from cytological images using deep convolutional neural networks. Biomed Res Int. 2017;2017:4067832. https://doi.org/10.1155/2017/4067832
  12. Coudray N, Ocampo PS, Sakellaropoulos T, et al. Classification and mutation prediction from non-small cell lung cancer histopathology images using deep learning. Nat Med. 2018;24(10):1559-1567. https://doi.org/10.1038/s41591-018-0177-5
  13. Wei JW, Tafe LJ, Linnik YA, et al. Pathologist-level classification of histologic patterns on resected lung adenocarcinoma slides with deep neural networks. Sci Rep. 2019;9(1):3358. https://doi.org/10.1038/s41598-019-40041-7
  14. Zhang L, Le L, Nogues I, et al. DeepPap: deep convolutional networks for cervical cell classification. IEEE J Biomed Health Inform. 2017;21(6):1633-1643. https://doi.org/10.1109/JBHI.2017.2705583
  15. Wu M, Yan C, Liu H, et al. Automatic classification of cervical cancer from cytological images by using convolutional neural network. Biosci Rep. 2018;38(6):BSR20181769. https://doi.org/10.1042/BSR20181769
  16. Kainz P, Pfeiffer M, Urschler M. Segmentation and classification of colon glands with deep convolutional neural networks and total variation regularization. PeerJ. 2017;5:e3874. https://doi.org/10.7717/peerj.3874
  17. Korbar B, Olofson AM, Miraflor AP, et al. Deep learning for classification of colorectal polyps on whole-slide images. J Pathol Inform. 2017;8:30.  https://doi.org/10.4103/jpi.jpi_34_17
  18. Wang Y, Jiang Y, Xu H, Xiao C, Zhao K. Detection method of key ship parts based on YOLOv11. Processes. 2025;13(1):201.  https://doi.org/10.3390/pr13010201
  19. Fu Y, Karanian M, Perret R, et al. Deep learning predicts patients outcome and mutations from digitized histology slides in gastrointestinal stromal tumor. NPJ Precis Oncol. 2023;7(1):71.  https://doi.org/10.1038/s41698-023-00421-9
  20. Bertram CA, Aubreville M, Donovan TA, at al. Computer-assisted mitotic count using a deep learning-based algorithm improves interobserver reproducibility and accuracy. Vet Pathol. 2022;59(2):211-226.  https://doi.org/10.1177/03009858211067478
Связаться с автором
Email
Сообщение
Издательство "Медиа Сфера" не оказывает услуги по лечению, не дает рекомендации по обращению в медицинские учреждения и к конкретным специалистам, по назначению лекарственных средств и БАДов.

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Подать заявку

Вы можете стать автором одного из наших журналов, отправьте заявку и мы рассмотрим ее в течении дня.

Имя
Телефон
E-mail
Сообщение
Вход
Регистрация
E-mail
Пароль
Забыли пароль?

Войдите на сайт, используя вашу учетную запись в одном из сервисов

Восстановление пароля
E-mail
Войти
Зарегистрироваться

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.