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
Телефоны издательства:
+7 (495) 482-4118
+7 (495) 482-4329
  • Прямой телефон отдела подписки
    (только по вопросам заказов и доставки журналов)
    +8 800 250-18-12
    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

Даниил Дмитриевич Лысухин

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Андрей Владимирович Варламов

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Алина Антоновна Матросова

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Нано Владимировна Пачуашвили

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия;
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия

Александр Юрьевич Абросимов

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Владимир Эдуардович Ванушко

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Татьяна Александровна Демура

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия

Лилия Сергеевна Урусова

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия;
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия

Оценка BRAF-статуса локализованных и местнораспространенных папиллярных микрокарцином щитовидной железы с применением методов машинного обучения

Авторы:

Лысухин Д.Д., Варламов А.В., Матросова А.А., Пачуашвили Н.В., Абросимов А.Ю., Ванушко В.Э., Демура Т.А., Урусова Л.С.

Подробнее об авторах

Журнал: Архив патологии. 2026;88(4): 41‑45

DOI: 10.17116/patol20268804141

Прочитано: 216 раз

Связаться с автором
Оглавление

Как цитировать:

Лысухин Д.Д., Варламов А.В., Матросова А.А. и др. Оценка BRAF-статуса локализованных и местнораспространенных папиллярных микрокарцином щитовидной железы с применением методов машинного обучения. Архив патологии. 2026;88(4):41‑45.
Lysukhin DD, Varlamov AV, Matrosova AA, et al. Assessing BRAF status of localized and locally advanced papillary thyroid microcarcinomas using machine learning methods. Russian Journal of Archive of Pathology. 2026;88(4):41‑45. (In Russ.)
https://doi.org/10.17116/patol20268804141

Подписка 2026 Архив патологии (Russian Journal of Archive of Pathology)
МСФ на ЯМ
Использование инфографики авторами научных работ
Рекомендуем статьи по данной теме:
Ис­поль­зо­ва­ние мо­де­ли по­мо­щи при­ня­тия вра­чеб­ных ре­ше­ний «PathVision.ai» в мор­фо­ло­ги­чес­кой ди­аг­нос­ти­ке ра­ка пред­ста­тель­ной же­ле­зы в би­оп­сий­ном ма­те­ри­але. Ар­хив па­то­ло­гии. 2025;(6):34-41
Ис­кусствен­ный ин­тел­лект в реп­ро­дук­тив­ной ме­ди­ци­не и хи­рур­гии. Проб­ле­мы реп­ро­дук­ции. 2025;(4):10-25
Мо­де­ли ма­шин­но­го обу­че­ния для диф­фе­рен­ци­аль­ной ди­аг­нос­ти­ки опу­хо­лей го­лов­но­го моз­га. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(9):87-93
Воз­мож­нос­ти ис­кусствен­но­го ин­тел­лек­та при вы­бо­ре так­ти­ки хи­рур­ги­чес­ко­го ле­че­ния при тет­ра­де Фал­ло. Кар­ди­оло­гия и сер­деч­но-со­су­дис­тая хи­рур­гия. 2025;(5):560-565
Проб­ле­мы и ре­ше­ния в при­ме­не­нии ал­го­рит­мов ма­шин­но­го обу­че­ния для ана­ли­за дан­ных в кар­ди­оло­гии. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(10):16-22
От оши­бок к со­вер­шенству: путь по­вы­ше­ния ка­чес­тва пре­ана­ли­ти­чес­ко­го эта­па в ла­бо­ра­тор­ной ди­аг­нос­ти­ке. Ли­те­ра­тур­ный об­зор. Ла­бо­ра­тор­ная служ­ба. 2025;(3):46-63
Оп­ти­ми­за­ция ди­аг­нос­ти­ки хро­ни­чес­ко­го ри­но­си­ну­си­та с по­мощью ис­кусствен­но­го ин­тел­лек­та. Рос­сий­ская ри­но­ло­гия. 2025;(4):38-43
Ин­тер­вен­ци­он­ная кар­ди­оло­гия в эпо­ху ис­кусствен­но­го ин­тел­лек­та: тех­но­ло­гии, ин­но­ва­ции и слож­нос­ти. Ме­ди­цин­ские тех­но­ло­гии. Оцен­ка и вы­бор. 2025;(4):20-27
При­ме­не­ние ис­кусствен­но­го ин­тел­лек­та в про­фи­лак­ти­ке хро­ни­чес­ких не­ин­фек­ци­он­ных за­бо­ле­ва­ний: сис­те­ма­ти­чес­кий об­зор пуб­ли­ка­ций 2022—2025 гг.. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(12):21-30
По­ло­жи­тель­ные при­ме­ры ис­поль­зо­ва­ния в здра­во­ох­ра­не­нии ис­кусствен­но­го ин­тел­лек­та и те­ле­ме­ди­ци­ны. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2026;(2):109-114
Резюме / Abstract:

Папиллярные микрокарциномы щитовидной железы (ПМЩЖ) составляют около 30% случаев папиллярного рака щитовидной железы, а мутация BRAF V600E является одной из драйверных в развитии папиллярных карцином щитовидной железы. Однако традиционные методы молекулярной диагностики требуют значительных временных и финансовых затрат, что актуализирует разработку альтернативных подходов, таких как методы машинного обучения на основе анализа гистологических изображений.

ЦЕЛЬ ИССЛЕДОВАНИЯ

Оценить возможность применения модели Multiple-Instance Learning (MIL) для прогнозирования BRAF-статуса у пациентов с ПМЩЖ на основе анализа отсканированных гистологических препаратов.

МАТЕРИАЛ И МЕТОДЫ

В исследование включены гистологические сканы операционного материала 93 пациентов с ПМЩЖ (возраст 24—72 года, медиана 48 лет), оперированных в период с 01.01.22 по 01.09.23. BRAF V600E определяли методом Real-Time PCR. Для классификации использовали модель MIL (CLAM) с предобученными признаковыми экстракторами (CTransPath и Virchow). Качество оценки определяли по ROC-AUC с кросс-валидацией (k=5, 10 повторов).

РЕЗУЛЬТАТЫ

Мутация BRAF V600E выявлена у 62 пациентов, у 31 отсутствовала. Наивысшее значение ROC-AUC (0,83; 95% ДИ: 0,61—1,00) достигнуто при использовании признаков Virchow с фильтрацией 20% наиболее информативных регионов. Для CTransPath ROC-AUC составил 0,79 (95% ДИ: 0,60—0,95) при фильтрации 5% регионов.

ЗАКЛЮЧЕНИЕ

Модель MIL демонстрирует потенциал для оценки BRAF-статуса ПМЩЖ по гистологическим изображениям особенно при использовании признаков Virchow.

Ключевые слова / Keywords:

папиллярная микрокарцинома щитовидной железы
BRAF V600E
машинное обучение
Multiple-Instance Learning
цифровая патология
гистологическое изображение
классификация опухолей

Авторы / Authors:

Даниил Дмитриевич Лысухин

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Андрей Владимирович Варламов

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Алина Антоновна Матросова

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Нано Владимировна Пачуашвили

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия;
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия

Александр Юрьевич Абросимов

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Владимир Эдуардович Ванушко

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия

Татьяна Александровна Демура

ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия

Лилия Сергеевна Урусова

ГНЦ РФ ФГБУ «Национальный медицинский исследовательский центр эндокринологии им. акад. И.И. Дедова» Минздрава России, Москва, Россия;
ФГАОУ ВО «Первый Московский государственный медицинский университет им. И.М. Сеченова» Минздрава России (Сеченовский Университет), Москва, Россия

Дата поступления:

17.12.2025

Дата принятия в печать:

24.04.2026

Закрыть метаданные

Литература / References:

  1. Zhang Q, Yang LT, Chen Z, Li P. A survey on deep learning for big data. Information Fusion. 2018;42:146-157.  https://doi.org/10.1016/j.inffus.2017.10.006
  2. Song AH, Jaume G, Williamson DFK, Lu MY, Vaidya A, Miller TR, Mahmood F. Artificial intelligence for digital and computational pathology. Nat Rev Bio. 2023;1(12):930-949.  https://doi.org/10.1038/s44222-023-00096-8
  3. Gadermayr M, Tschuchnig M. Multiple instance learning for digital pathology: a review of the state-of-the-art, limitations and future potential. Comput Med Imaging Graph. 2024;112:102337. https://doi.org/10.1016/j.compmedimag.2024.102337
  4. Ilse M, Tomczak J, Welling M. Attention-based deep multiple instance learning. In: International Conference on Machine Learning (ICML). CoRR. 2018:2127-2136.
  5. Lu MY, Williamson DFK, Chen TY, Chen RJ, Barbieri M, Mahmood F. Data-efficient and weakly supervised computational pathology on whole-slide images. Nat. Biomed. Eng. 2021;5(6);555-570.  https://doi.org/10.1038/s41551-020-00682-w
  6. Wang X, Yang S, Zhang J, Wang M, Zhang J, Yang W, Huang J, Han X. Transformer-based unsupervised contrastive learning for histopathological image classification. Med Image Anal. 2022;81: 102559. https://doi.org/10.1016/j.media.2022.102559
  7. Vorontsov E, Bozkurt A, Casson A, Shaikovski G, Zelechowski M, Liu S, Severson K, Zimmermann E, Hall J, Tenenholtz N, et al. Virchow: a million-slide digital pathology foundation model. arXiv. 2023. https://doi.org/10.48550/arXiv.2309.07778
  8. Soares P, Sobrinho-Simoes M. Cancer: small papillary thyroid cancers — is BRAF of prognostic value? Nat Rev Endocrinol. 2011;7:9-10.  https://doi.org/10.1038/nrendo.2010.213
  9. Soares P, Trovisco V, Rocha AS, et al. BRAF mutations and RET/PTC rearrangements are alternative events in the etiopathogenesis of papillary thyroid carcinoma. Oncogene. 2003;22:4578-4580. https://doi.org/10.1038/sj.onc.1206706
  10. Soares P, Celestino R, Melo M, Fonseca E, Sobrinho-Simões M. Prognostic biomarkers in thyroid cancer. Virchows Arch. 2014;464: 333-346.  https://doi.org/10.1007/s00428-013-1521-2
  11. Prescott JD, Sadow PM, Hodin RA, Le LP, Gaz RD, Randolph GW, Stephen AE, Parangi S, Daniels GH, Lubitz CC. BRAF V600E status adds incremental value to current risk classification systems in predicting papillary thyroid carcinoma recurrence. Surgery. 2012;152:984-990.  https://doi.org/10.1016/j.surg.2012.08.039
  12. Xing M, Alzahrani AS, Carson KA, Shong YK, Kim TY, Viola D, Elisei R, Bendlová B, Yip L, Mian C, et al. Association between BRAF V600E mutation and recurrence of papillary thyroid cancer. J Clin Oncol. 2015;33:42-50.  https://doi.org/10.1200/JCO.2014.56.8253
  13. Patel KN, Yip L, Lubitz CC, Grubbs EG, Miller BS, Shen W, Angelos P, Chen H, Doherty GM, Fahey TJ, et al. The American Association of Endocrine Surgeons guidelines for the definitive surgical management of thyroid disease in adults. Ann Surg. 2020;271(3): e21-e93.  https://doi.org/10.1097/SLA.0000000000003580
  14. Melo M, Gaspar da Rocha A, Batista R, Vinagre J, Martins MJ, Costa G, Ribeiro C, Carrilho F, Leite V, Lobo C, et al. TERT, BRAF, and NRAS in primary thyroid cancer and metastatic disease. J Clin Endocrinol Metab. 2017;102:1898-1907. https://doi.org/10.1210/jc.2016-2785
  15. Lam AK, Lo CY, Lam KS. Papillary carcinoma of thyroid: a 30-year clinicopathological review of the histological variants. Endocr Pathol. 2005;16(4):323-330.  https://doi.org/10.1385/EP:16:4:323
  16. Hay ID, Hutchinson ME, Gonzalez-Losada T, McIver B, Reinalda ME, Grant CS, Thompson GB, Sebo TJ, Goellner, JR. Papillary thyroid microcarcinoma: a study of 900 cases observed in a 60-year period. Surgery. 2008;144(6):980-988.  https://doi.org/10.1016/j.surg.2008.08.035
  17. Lysukhin D, Varlamov A, Yakimov B, Porubayeva E, Pachuashvili N, Kovaleva E, Vanushko V, Platonova N, Shirshin E, Mokrysheva N, Urusova L. Multiple-instance learning for thyroid gland disease classification: a hands-on experience. Comput Biol Med. 2025;184:109424. https://doi.org/10.1016/j.compbiomed.2024.109424
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

Обратная связь
Если у вас возникли вопросы, жалобы или предложения, — воспользуйтесь формой обратной связи.
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.
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.