Патанатомия, основанная на правилах

Возможно ли это? – Смотря что под этим понимать.

Для чиновника это мечта! Для них правила в первую очередь связаны с возможностью подсчёта и расчётов – метрики, коэффициенты и проч. Но составить жёсткие и одновременно справедливые (полная оплата всех сделанных тестов) правила не получится по причине то, что назначение патологом тестов подчиняется не линейному, а стохастическому детерминизму. С низкой глубиной предсказания из-за положительного значения показателя Ляпунова. Иными словами, в настоящее время мы не можем только по морфологии предсказать оптимальное для постановки диагноза количество ИГХ и молекулярных тестов.

Для самих патологов – зависит от стажа. Молодые любят правила, сформулированные в виде схем и шкал для оценки. Они боятся что-либо забыть, упустить что-то важное. Поэтому правила их защищают – описал гастрит по OLGA и можешь спать спокойно. Но это так не работает – мы знаем много шкал и правил оценки разных параметров. Для многих из них воспроизводимость не очень высокая. Классические пример – Ki67, PD-L1. Да и со «старыми» маркёрами ситуация далека от идеала. Определение Her2-статуса при РМЖ проводится уже более 20 лет! Хорошая конкордантность достижима только для категорий 3+ vs. < 3+. Для всех остальных сходимость результатов между патологами очень низкая [1]. Была надежда поправить дело с помощью ИИ, но не вышло. Пока один ИИ сравнивали с несколькими патологами всё шло хорошо – ИИ лучше совпадал сам с собой, чем патологи друг с другом. Но когда для оценки одного параметра появилось несколько ИИ, ситуация стала похожей на людей [2]. Her2-статус 0 vs. > 0: OPA люди 59.41, а OPA ИИ 85.6. Her2-статус 3+ vs. < 3+ – ОРА люди 87.06, а ОРА ИИ 97.3. При оценке с помощью ИИ, как и у людей, наибольшая межмодельная вариабельность была при Her2-статусе 1+ и 2+. Это абсолютно ожидаемые результаты (я ждал их ~2,5 года). Почему так происходит с людьми понятно – когнитивные искажения H. sapiens плохо поддаются корректировке обучением. Сложность интерпретации малых значений (Her2 0 vs. 1+, например) как раз связана с врождёнными свойствами разума конкретного человека. Поэтому судьба пациента будет зависеть от того, кто сегодня дежурит на оценке Her2-статуса опухоли – тот кто «занижает» или тот кто «завышает»… Сверточные нейросети обучаются людьми. Нейросети-трансформеры тоже. Людьми, которые «занижают» или «завышают». Проблему вероятно сможет решить самообучающийся ИИ, который обучался на паре изображение + клинический ответ на терапию. Сейчас таких систем на маркете нет.

Для более опытных патологов правила нужны для стандартизации описания и диагнозов. С одной стороны, им нужно рубрифицированное микроописание – чтоб у всех одинаково и не нужно было писать сагу на тему «как лимфоцит макрофага за бок укусил» (подобные описания метко названы столичными патологами «ануровщина»). Рубрифицированные микроописания заменяют литературные по всему миру. С другой стороны, опытных патологов напрягают расхождения диагнозов с коллегами, и недовольство клиницистов из этого проистекающее. Стандартизация формулировок диагнозов (названий нозологических форм) проводится уже не одно десятилетие под эгидой ВОЗ (наши любимые «синие книжки»). Так что успехи тут самые очевидные и неоспоримые. Даже несмотря на появление по несколько десятков новых нозологических форм ежегодно, что связано с бурным ростом объёмов молекулярного тестирования в онкологии. В ближайшее десятилетие объёмы МГИ выйдут на плато, и ситуация должна в какой-то мере стабилизироваться.

Подытоживая: создание правил описания результатов исследований и правил формулирования заключений/диагнозов – важная стратегическая задача на текущий этапе. Создавать различные шкалы оценки и диагностические схемы важно, но ждать от них фантастического результата не стоит – как в мире людей, так и в мире ИИ на основе сверточных нейросетей. Использование более продвинутых нейросетей активно исследуется. Но они не сравнивались между собой. И это радиология в основном [3].

#свойство4 #свойство5