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

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.