Несмотря на пристальное внимание медицинского сообщества, заболеваемость и смертность от рака шейки матки (РШМ) не снижаются на протяжении длительного времени. В России эти параметры соответствуют среднемировым, но превышают уровни развитых стран. Это обусловливает высокую актуальность своевременной диагностики предрака и РШМ.

РШМ является 4-м по распространенности заболеванием среди злокачественных новообразований у женщин во всем мире, при этом в 2020 г. зафиксировано 604 000 новых случаев [1]. Среднемировая заболеваемость широко варьирует между странами — от 2 до 75 новых случаев на 100 000 женщин. В странах с низким уровнем дохода зафиксировано 90% новых случаев, худшие показатели в Африке (36), Юго-Восточной Азии (17,8) и Южной Америке (15,4); лучшие — в Финляндии и странах Северной Европы (3,7—4); в Западной Азии (4,1), Австралии и Новой Зеландии (5,6), Северной Америке (6,2). РШМ вошел в первую тройку злокачественных заболеваний, поражающих женщин моложе 45 лет, в 146 (79%) странах из 185 [2].

В России заболеваемость РШМ занимает 5-е место (5,2%) в структуре онкологической заболеваемости у женщин и 2-е место (10,4%) в группе 30—59 лет. С 2010 по 2019 г. наблюдается увеличение показателя на 13%. В 2020 г. — уменьшение на 13,5%, что связано с распространением коронавирусной инфекции (COVID-19) и приостановлением проведения диспансеризации, приведшим к снижению выявляемости [3].

Стандартизованный показатель заболеваемости РШМ в 2019 г. составил 15,38 случая на 100 000 женщин, что существенно превышает показатели развитых стран. Наибольшая заболеваемость отмечается в возрасте 30 — 69 лет с максимальными показателями (21,5) в группе 30—34 года. Уровень заболеваемости варьирует в зависимости от территории. В 2020 г. наибольшие значения зафиксированы в Республике Бурятия (38,33), Забайкальском крае (30,73), Республике Тыва (25,42), наименьшие — в Москве (6,85), республиках Кабардино-Балкария (7,82) и Чувашия (8,01). Показатель впервые выявленных злокачественных новообразований в 3 раза выше у городских жителей (76,9%), чем у сельских (23,1%). Удельный вес больных, выявленных активно, составляет 41,8%, при этом у каждой 3-й (32,6%) заболевшей женщины опухоль диагностируется на поздних стадиях [3].

В 2020 г. в мире зафиксировано 342 000 случаев смерти от РШМ. В общей мировой структуре смертности от онкологической патологии РШМ находится на 7-м месте (у женщин — на 4-м) [1]. Высокие показатели смертности (стандартизованные на 100 000 населения) зафиксированы в Африке (20,6—28,6), в Юго-Восточной и Центральной Азии — 10,0 и 9,6 соответственно; низкие — в Австралии и Новой Зеландии (1,6), Западной Европе (2,0), Северной Америке (2,1) [1, 2].

В России в 2020 г. в структуре смертности женщин РШМ занимал 10-е место и составлял 4,6%, являясь основной причиной смерти в возрастной группе 30—39 лет (21,3%), и уступал лишь раку молочной железы (22,6%) [3]. К сожалению, реальная обстановка значительно хуже статистических данных.

По прогнозам ВОЗ, за период с 2018 по 2030 г. среднегодовая заболеваемость РШМ возрастет с 570 000 до 700 000 случаев. За тот же период смертность увеличится с 311 000 до 400 000 случаев [1].

Высокие показатели смертности, заболеваемости и запущенности РШМ в РФ свидетельствуют о неэффективности скрининговых мер: охват населения составляет около 25—30%, не отлажен повторный прием пациенток с выявленной патологией шейки матки, отсутствует контроль скрининга. Особенностями нашей страны являются большие труднодоступные территории с неразвитой инфраструктурой и затрудненной транспортной связью, низкое качество диагностических исследований из-за устаревшего оснащения лабораторий, дефицита кадров, некачественного материала, направляемого на цитологическое исследование, неравномерное распределение специалистов и оборудования [4, 5].

Цель обзора — анализ литературы по технологиям, применяемым в цитологической диагностике для раннего выявления предрака и РШМ.

Методы исследования клеточного материала шейки матки

В диагностике РШМ используют лабораторные методы, основанные на разных принципах.

Румынский патолог В. Бабеш (1927) и американский гинеколог греческого происхождения Г. Папаниколау (1928) доказали взаимосвязь злокачественных изменений шейки матки со специфическими изменениями в морфологии клеток. В 1943 г. Г. Папаниколау издал руководство «Диагностика рака шейки матки по влагалищному мазку», в нем он подробно описал основные принципы и методики цитологической диагностики (Пап-тест). В 1948 г. Американским обществом онкологов Пап-тест был рекомендован для практического использования при проведении массовых обследований женского населения [4, 6]. С тех пор «золотым стандартом» цервикального скрининга является цитологическое исследование — микроскопическая оценка морфологии клеток эпителия слизистой оболочки шейки матки и цервикального канала. По данным литературы [4, 7], чувствительность традиционного цитологического метода составляет 66—96%, специфичность — до 96,8%, точность — 89,2—92%. Следует отметить, что цитологический метод обладает рядом достоинств: высокой информативностью, дешевизной, высокой воспроизводимостью, простотой в применении и интерпретации. Кроме того, он позволяет выявлять патологию на этапе клеточных изменений. Пап-тест используется в скрининговых алгоритмах всех стран. Минусом является субъективизм, так как результат существенно зависит от правильности забора и качества поступившего биоматериала, подготовки препарата и оценки его врачом-цитологом. В большинстве случаев причиной ложных диагнозов является плохой забор материала (70—90%) и ошибочная интерпретация цитограммы врачом-цитологом (10—30%) [4, 5, 7].

Молекулярно-генетический ВПЧ-тест (ПЦР) основан на определении генома вируса папилломы человека (ВПЧ) в материале соскобов с шейки матки.

В 1976 г. немецкий ученый Harald zur Hausen доказал роль ВПЧ в возникновении РШМ, в 1995 г. Международное агентство по исследованиям в области рака (IARC) подтвердило это открытие, а в 2008 г. ученый был удостоен Нобелевской премии [8]. ВПЧ широко распространен в человеческой популяции. Около 80% женщин до 25 лет инфицированы, однако в 85% случаев ВПЧ элиминируется самостоятельно [4, 5]; 15% здоровых женщин являются носителями различных типов ВПЧ. Открытие канцерогенного действия вируса послужило толчком к широкому использованию молекулярно-генетических методов в скрининговых программах. Чувствительность ВПЧ-теста составляет 98,6%, специфичность — 86,3% [4, 5, 9].

Согласно рекомендациям Американского общества кольпоскопии и цервикальной патологии (ASCCP), предпочтительной стратегией является комбинированное тестирование Пап-тест + ВПЧ-тест, его чувствительность достигает 100% [5, 9, 10].

В последние годы предложен метод самозабора влагалищного материала на ВПЧ, который из-за простоты и дешевизны может выступать в качестве альтернативного метода скрининга в слаборазвитых странах (Мозамбике, Намибии, Пакистане и др.), так как решает проблемы необходимости посещения медицинского учреждения, низкого уровня гинекологической помощи и дефицита медицинских кадров. При этом совпадения с традиционным Пап-мазком составляют 89—93%. Метод объективен, не зависит от человеческого фактора и правильности забора материала [4, 5, 9, 10]. Недостатком является то, что он не определяет запущенность патологического процесса или что инфекция имеет транзиторный характер. В ряде стран ПЦР включена в скрининг.

Иммуноцитохимический (ИЦХ) метод основан на иммунной реакции антиген—антитело непосредственно в клетке. Метод определяет нарушение клеточного цикла, доказывает онкогенную природу поражения клетки путем выявления повышенной экспрессии белков p16INK4a/ Ki-67, pro-XC. Для ИЦХ-метода используется клеточный материал, полученный из шейки матки и цервикального канала. Применение ИЦХ-метода оптимально для дифференциальной диагностики интраэпителиальных неоплазий и реактивных изменений, особенно в случае атипии неясного значения (ASC-US, ASC-H). Положительное двойное окрашивание при определении коэкспрессии p16INK4a/Ki-67 выявляется с различной частотой по мере нарастания клеточной атипии: в 18,4% случаев при NILM, в 54% — при CIN1, в 81% — при CIN2, в 93,3% — при CIN3 и в 95,2% — при плоскоклеточном раке [5]. Широкого применения и включения в стандарты диагностики в РФ и за рубежом ИЦХ-метод не получил из-за недостаточной валидизации, узкой зоны направленности, высокой себестоимости и влияния многих факторов на протекание ИЦХ-реакции.

Таким образом, наиболее оптимальным методом скрининга РШМ остается цитологическое исследование.

Жидкостная цитология

В связи с широким развитием цервикального скрининга неизбежно возникала необходимость пропорционально расширять штат врачей-цитологов. Для рационального использования кадрового ресурса и минимизации субъективизма цитологического исследования встал вопрос его автоматизации и машинного анализа препаратов.

В 70-х годах прошлого века в Германии были запущены два научно-исследовательских проекта: LEYTAS (Leyden Texture Analysis System) и FAZYTAN, основанные на автоматизированной системе анализа Пап-мазков. Для этого препараты должны были отвечать критериям, которым не соответствовал традиционный мазок: изолированное размещение клеток на стекле в монослое, очищенный от загрязнений цитологический материал, использование стандартизованного метода окраски. Проблема была решена благодаря сепарации и очищению клеток. Для этого образец помещали в раствор для приготовления суспензии клеток, из которой материал наносили тонким слоем на стекло [11, 12]. Эта технология легла в основу жидкостной цитологии (ЖЦ).

Несмотря на то что методика приготовления препаратов из клеточной взвеси впервые была предложена в 1963 [11], первая система автоматизированной ЖЦ ThinPrep2000 («Hologic Co.», США) была одобрена в США в 1996 г. В ее состав входили раствор для консервации, процессор и система визуализации микропрепаратов. В 1999 г. одобрена система SurePath, TriPath («Becton Dickinson», США), включающая также собственный раствор для консервации, раствор для очищения клеточного материала от слизи и крови, аппарат для окраски мазков и сканер для микропрепаратов с программным обеспечением (ПО) [12, 13].

В России жидкостную технологию широко начали использовать с 2000-х годов. Наибольшее применение получили системы ThinPrep («Hologic», США), SurePath («BD and Company», США), E-prep («Han Bi Medical», Южная Корея). Также применяются системы Novaprep («Novacyt Group», Франция), CellPrepPlus («Biodyne», Южная Корея), CytoFast («Hospitex International», Италия), ClearPrep («Resolution Biomedical», США); ручные методики: цитоцентрифуги Tarmac (Германия), CytoSpin («Termo Shandon», Великобритания), Rotofix 32A («Hettich», Германия), Cyto—tek («Sakura», Япония). Отечественная система Цитоскрин (ООО «Хоспитекс», Россия) состоит из раствора для консервации, жидкого фильтра, встряхивателя и цитоцентрифуги. Благодаря низкой стоимости эта методика ЖЦ стала доступной для многих ЛПУ [12].

Метод ЖЦ — это технология приготовления Пап-мазков из клеточной суспензии. После забора материала рабочая часть щетки отделяется и помещается в контейнер с жидкостью, которая является специальным многокомпонентным раствором. В его состав входят 30—50% фиксирующие спиртовые смеси, способствующие денатурации внеклеточных белков; муколитические вещества, разрушающие слизь, 2—3% растворы кетонов и альдегидов, водно-солевые буферные растворы, полиолы и детергенты. В лаборатории приготавливают и анализируют жидкостные цитологические препараты [11, 12].

Методы ЖЦ отличаются друг от друга степенью автоматизации — ручной способ, полуавтоматический и автоматический. В их основу заложены разные физические принципы — цитоцентрифугирование, двойная мембранная фильтрация, естественная седиментация и центрифугирование в градиенте плотности [11].

Цитоцентрифуги (Cytospin, «Termo Shandon», Великобритания; Цитоскрин, ООО «Хоспитекс, Россия; Rotofix 32A, «Hettich», Германия) при помощи специализированных роторов обеспечивают седиментацию клеток из жидких суспензий на покровные стекла [11, 12].

Системы, работающие на принципе мембранной фильтрации (ThinPrep Processor, США; E-Prep Processor, «Han Bi Medical Co.»; CellPrep Plus, «Biodyne», Южная Корея), пропускают клеточную суспензию через фильтр и осаждают клетки на его поверхности. При помощи фильтрации из образца удаляются кровь, слизь. Оставшиеся эпителиальные клетки автоматически переносятся тонким слоем с фильтрующей мембраны на предметное стекло [11—13].

В системе SurePath («BD and Company», США) приготовление препаратов осуществляется автоматически с использованием процесса центрифугирования и осаждения клеточной суспензии в градиенте плотности [11, 13].

Процесс окрашивания препаратов может быть включен в автоматизированную систему, осуществляться с помощью отдельных аппаратов для окраски или проводиться вручную.

Сравнивая методы ЖЦ и традиционной цитологии (ТЦ), многие авторы не нашли существенных различий в чувствительности, специфичности и точности. Так, для ЖЦ эти показатели составили 78,3, 95,9 и 85% соответственно; для ТЦ — 80, 96,2 и 89,2% [7, 14].

ЖЦ обладает рядом преимуществ. Благодаря тому, что весь материал с цитощетки перемещается в виалу, в 3—10 раз сокращается количество неинформативных мазков по сравнению с традиционным методом. Небольшой стандартный слайд-мазок (0,8—2 см) и равномерное монослойное распределение клеток существенно упрощают исследование. Использование консервантов позволяет длительно хранить и транспортировать клеточный материал; возможно применение как повторных цитологических исследований, так и ПЦР-диагностики ВПЧ и урогенитальных инфекций, бактериоскопии, ИЦХ-метода, Cell-блоков. Это позволяет исключить повторный забор биоматериала и экономить на расходных средствах [11]. Будучи разработанными для автоматизации скрининга, препараты ЖЦ оптимальны для сканирования.

К недостаткам ЖЦ можно отнести необходимость дополнительного обучения; несовершенство существующих систем (например, при фильтрации возможно удаление части клеток, находящихся в толще слизи; лизированная слизь образует непросматриваемые участки). Основным недостатком является использование сложного дорогостоящего оборудования и реагентов для ЖЦ. Это делает себестоимость и трудозатраты ЖЦ гораздо выше ТЦ, что становится препятствием для внедрения этой методики во многих лабораториях [7, 11].

ЖЦ позволила развить новое направление в цитологической диагностике — цифровую цитологию (digital cytology). Это позволяет исследовать цифровую копию препарата в сверхвысоком разрешении на расстоянии (теледиагностика); применять морфометрический анализ и искусственный интеллект на основе машинного обучения; создавать стандартизованные структурированные архивы оцифрованных препаратов с передачей в медицинские системы; получать второе мнение и проводить консультации в онлайн-режиме; обучать цитологов на виртуальных цитологических препаратах.

Автоматизированный анализ цитологического препарата

Механизмы сканирования и оценки микроскопического изображения в цитологическом скрининге появились в 70-х годах прошлого века. В настоящее время каждый из производителей утвержденных технологий ЖЦ имеет систему обработки, анализа и архивирования цифровых препаратов [12].

Пионером компьютерного анализа, начиная с 1980-х годов, была компания «Becton Dickinson» (США). Первая автоматизированная система PAPNET была разработана в 1992 г. и основывалась на комбинации традиционной алгоритмической обработки морфометрических данных и новой технологии нейронных сетей. Американская компания «TriPath Imaging, Inc. AutoCyte» в 1996 г. выпустила программные продукты Autocyte PREP и AUTOPAP, объединяющие технологии подготовки тонкослойных препаратов с компьютеризированным анализом изображений клеток. В 1999 г. была создана система первичного скрининга с использованием автоматического сканирования препаратов FocalPoint, которая была одобрена FDA (США) в 2001 г. [11—13]. FocalPoint после сканирования 1000 полей зрения делит препараты на информативные и неинформативные, указывает цитологу 10 полей зрения с атипическими клетками и 1 поле зрения с железистыми клетками для контроля адекватности материала, ранжирует препараты по группам патологии, используя технологию искусственного интеллекта; архивирует, отбирает до 25% препаратов, которые могут быть валидированы без пересмотра. Среднее время прочтения препарата уменьшается на 66%. Статистически доказано уменьшение ложноотрицательных результатов и повышение чувствительности до 98% по сравнению с традиционной микроскопией [12, 13, 15].

Устройство ThinPrep Imaging System (Imager) фирмы «Hologic» (США), появившееся на рынке в 2004 г., использует принципы морфометрии и денситометрии клеток. Устройство ThinPrep позволяет на основе сканирования и анализа препарата выделять 22 поля зрения, представляющих наибольший диагностический интерес. Применение ThinPrep увеличивает чувствительность (до 79%) и специфичность цитологического исследования. ThinPrep Imaging System представляет собой единую рабочую сеть, состоящую из сервера для обработки и хранения данных, сканирующей станции, а также нескольких рабочих мест для автоматизированного просмотра препаратов. Система, анализируя 100% клеток, сужает препарат до галереи диагностически значимых изображений, созданной искусственным интеллектом (ИИ) [12, 16].

Помимо перечисленных систем, на отечественном рынке существуют и другие программно-аппаратные комплексы (ПАК) ЖЦ, работающие по аналогичным принципам, например BestPrep CellSolutions LLC (США) с программой анализа цифровых слайдов BestCyte Cell Sorter [16, 17], CytoProcessor («Datexim», Франция) [17, 18].

Несмотря на безусловные преимущества, ПАК ЖЦ имеют очень высокую стоимость и применяются только в крупных лабораториях, так как изначально рассчитаны на большие потоки скрининговых исследований. Из-за этого для многих ЛПУ с собственными небольшими лабораториями они недоступны.

Кроме комплексных систем, существуют самостоятельные технические средства: сканирующие устройства; ПО с ИИ для машинного анализа морфологии клеток, хранилища больших объемов изображений и архивы; интернет-коммуникации для дистанционной диагностики.

В основе автоматизированной цитологии лежит сканирование, т.е. перевод препарата из традиционного микроскопического в цифровой. Это позволяет собирать массивы данных, на основе которых возможно машинное обучение. Доказано, что цифровой препарат полностью идентичен микроскопическому [14, 19]. Полученные изображения загружаются в «облако».

В России имеется большой спектр сканирующих устройств.

1. Микроскопы-сканеры — закрытые системы, в которых камеры и объективы находятся внутри устройства. Время сканирования составляет 2—4 мин. Сканеры включают ПО и сервер для хранения изображений, некоторые модели имеют ИИ, основанный на обучении нейросетей. Сканеры большой мощности рассчитаны на крупные лаборатории. Наиболее популярные сканеры Philips IntelliSite Pathology Solution (США); Leica BioSystems (Германия) модели Aperio; Hamamatsu Nanozoomer (Япония); Zeiss Axioscan (Германия); Ventana DP 200 и Ventana iScan HT(Германия); система CYTOfast Digital Vision (Италия); Pannoramic 3dhistech (Венгрия) [20].

2. Открытые сканирующие системы, внешне схожи со световыми микроскопами, осуществляют сканирование последовательно по одному стеклу. Время сканирования около 2 мин. Адаптация к любым предметным стеклам делает возможным применение их для ручного метода ЖЦ. Примерами таких сканеров являются Grundium Ocus 40 и Ocus 20 («Olimpus», Япония), Vision Assist, Pro и Ultimate («WestMedica», Австрия—Россия) [20, 21].

Комбайны микроскопии МЕКОС (Россия) предназначены для разных видов исследований (бактериальные мазки, мазки крови, гистологические и цитологические препараты) и состоят из сканера и программы, анализирующей изображение согласно виду исследования; скорость сканирования от 20—40 (×20) до 60—120 с (×40) [20].

Искусственный интеллект

С оцифровкой и возможностью накопления базы изображений началась активная разработка программ машинного обучения математическим параметрам клетки с классификацией клеточной патологии шейки матки по системе Bethesda [19, 22].

ИИ — это один из важнейших современных трендов. Технологии ИИ в корне меняют мировое здравоохранение, позволяя кардинальным образом переработать систему диагностики, повысить качество медицинских услуг при одновременном снижении расходов. Первые идеи ИИ представлены в работах Рене Декарта «Рассуждение о методе» (1637) и Томаса Гоббса «Человеческая природа» (1640). В 1914 г. изобретено электромеханическое устройство, способное играть в шахматы почти как человек. С середины 30-х годов прошлого столетия появился прообраз машинного обучения, предполагающий обучение искусственного разума как маленького ребенка (Baby Machine). Однако настоящий взрыв исследований работы ИИ произошел лишь в середине 1990-х годов на фоне развития электронно-вычислительной техники. В 2005—2008 гг. стали появляться модели обучения нейронных сетей, заложивших основы теории глубокого машинного обучения. За последние несколько лет ИИ удалось внедрить во многих сферах жизни, включая здравоохранение [23].

В начале 1980-х годов ученые А. Барр и Е.А. Файгенбаум сформулировали определение ИИ — «это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом» [24].

В настоящее время ИИ применяется для оценки любой цифровой информации с попыткой дать по ней заключение, а также анализирует данные с поиском скрытых закономерностей. Большинство современных решений основывается на технологии нейронных сетей, которые воссоздают примитивную модель нервной системы биологических организмов. У живых существ нейрон — это электрически возбудимая клетка, которая обрабатывает, хранит и передает информацию с помощью сигналов через синаптические связи. Соединяясь друг с другом с помощью синапсов, нейроны создают биологические нейронные сети. По сути это и есть базовый механизм мозговой деятельности всех живых существ, т.е. интеллект. В основе ИИ лежит концепция «искусственного нейрона». Взаимодействующие искусственные нейроны создают искусственную нейронную сеть [24, 25, 26]. Математическая модель нейрона была впервые предложена в 1943 г. американскими нейрофизиологами и математиками Уорреном Мак-Каллоком и Уолтером Питтсо.

Машинное обучение — это процесс автоматического анализа обработанных данных для поиска закономерностей и создания на их основе нужных алгоритмов, используя которые, ИИ будет анализировать предоставленные данные [24].

Системы ИИ обладают повышенной точностью и высокой скоростью обработки данных. У человека при большом объеме исследований наступает утомляемость, что приводит к браку в работе. Компьютер не устает, непрерывно учится и в следующей серии только повышает точность результата. Парная работа человека и компьютера повышает точность диагностики [24, 26].

ИИ используется в диагностической медицине. В скрининге рака молочной железы [27] успешно применяются S-Detect Breast [28], сервисы Lunit и Curemetrix [28, 29]; в России — сервис Celsus.ai, TrioDM МТЛ. В КТ-диагностике COVID-19 используются CVL, COVID-19 intelligent Radiology Assistant; в рентгенографии органов грудной клетки — «Третье мнение», Care Mentor AI; в патоморфологии — Philips IntelliSite Pathology Solution [30].

Использование ИИ в цервикальной цитологической диагностике для широкого практического применения является весьма перспективным направлением. Современные системы для автоматического анализа Пап-мазков основаны на нейронных сетях. Алгоритмы оценки клеточной патологии формируются на цифровых цитограммах, сегментированных с помощью специального ПО. Этапы анализа включают получение изображений и оцифровку, идентификацию аномальных областей, выделение характерных признаков и классификацию клеток по принципу норма/патология или по типам патологии. Примером является продукт Vision Cyto Pap компании «West Medica» (Австрия—Россия). Работа системы включает сканирование, анализ и распределение клеток препарата по группам согласно цитологической классификации Bethesda для шейки матки. Чувствительность метода составляет 95,9%, специфичность — 86,1%, точность — 93,78% [19, 21].

Цифровые препараты могут долго храниться в электронных хранилищах. На базе ПО созданы программы архивирования изображений, что позволяет стандартизовать архивы с интеграцией в электронные медицинские системы (ЕМИАС). Преимуществом является сохранение всех изображений (нормы и патологии), в отличие от традиционного архива, где сохраняются лишь препараты с патологическими изменениями. Появляется возможность удаленной консультации архивного «препарата». Автоматизированный скрининг увеличивает производительность, но не изменяет его чувствительность.

Проведенное в 2020 г. сравнение ТЦ, ЖЦ (Цитоскрин, «Хоспитекс», Россия) и цифровой цитологии с ИИ (Vision Cyto Pap, «West Medica», Австрия—Россия) показало следующие результаты. Просматриваемость цифрового препарата выше на 4%, чем при световой микроскопии. Цифровые цитограммы идентичны микроскопическим. При использовании ИИ патология выявлялась в 3—8 раз чаще по сравнению с исследованиями без применения ИИ. В 25% случаев цифровая цитология с ИИ определила патологию там, где световая микроскопия не выявила; временные затраты на исследование цифровой цитологии с ИИ составляют 2—8 мин, что сокращает время анализа в 2—6 раз по сравнению с ТЦ и ЖЦ [14].

Таким образом, цервикальная цитология на основе digital cytology с применением ИИ выводит скрининг РШМ на принципиально новый уровень.

В скрининге применяются как мощные ПАК для полной автоматизации, так и аппараты, реализующие отдельные этапы (процессоры для приготовления препаратов, аппараты окраски мазков, сканеры, ИИ, хранилища изображений и телекоммуникационные средства связи). Однако из-за высокой стоимости такие технологии недоступны для небольших лабораторий. В нашей стране 95% лабораторий выполняют все этапы цитологической диагностики вручную [32].

Рациональным решением видится создание компактного оборудования, аналогичного вышеперечисленному, для оснащения небольших лабораторий или рабочего места врача. Повышение уровня цитологической диагностики за счет перехода на современные технологии позволит стандартизовать цервикальную цитологию, повысить доступность и качество исследований, сократить время исследования (до 1—3 дней), использовать формат реального времени; подключение к ЕГИСЗ упростит получение результата и усилит контроль за проводимыми исследованиями.

Портативные устройства анализа микропрепаратов

В литературе описаны ПО для сканирования и ИИ в виде приложения смартфона, который в качестве «навесного» оборудования прикрепляется к микроскопу, оснащенному моторизованным столиком с примитивными алгоритмами настройки. Стоимость таких устройств гораздо ниже существующих ПАК, а компактность и адаптация к любому микроскопу позволяют оснастить любое рабочее место врача [31, 32].

Примером служит отечественная разработка Celly.AI — это ПО для сканирования препарата с использованием методов компьютерного зрения и ИИ в режиме реального времени. Устройство состоит из смартфона, линзы-адаптера, мобильного приложения. Смартфон через адаптер крепится в окуляр микроскопа, приложение анализирует и классифицирует клетки. Результат отображается на веб-портале, после чего его валидирует врач. Подобные устройства удобны для удаленной диагностики при дефиците кадров или необходимости получения срочного результата. В лаборатории Equity Afia в Кении успешно внедрена подобная технология, это позволило компенсировать нехватку персонала [31].

Подобные портативные устройства — это новый шаг, переводящий большие потоки на отдельные исследования, с крупных централизованных лабораторий на персональные рабочие места врачей. Этому способствуют доступность и универсальность комплектующих, простота применения и дешевизна.

Заключение

Проанализировав данные отечественной и зарубежной литературы, можно сделать вывод, что, несмотря на наличие и развитие достаточно большого спектра современных высокоточных технологий и методов в цитологической диагностике патологии шейки матки, заболеваемость и смертность от РШМ в России не имеют тенденции к снижению. Таким образом, напрашивается решение об изменении алгоритмов и создании новой методологии цитологической диагностики, используя современные наработки в области ЖЦ, цифровой цитологии, информационных технологий, машинного анализа и ИИ, а также алгоритмов дистанционной диагностики в режиме онлайн.

Авторы заявляют об отсутствии конфликта интересов.