Новая диагностическая платформа, созданная исследователями из США, сочетает безлинзовую голографию и глубокое обучение для автоматической оценки HER2 в образцах ткани рака молочной железы. Разработчики считают, что такой подход может сделать цифровую патологию доступнее для клиник, где нет дорогих сканеров препаратов.
Почему HER2 так важен
HER2 — это рецептор эпидермального фактора роста человека 2-го типа. Проще говоря, это белок на поверхности клеток, который участвует в передаче сигналов роста. При некоторых опухолях молочной железы HER2 становится слишком много, и клетки начинают делиться активнее.
Определение HER2-статуса — один из ключевых этапов диагностики рака молочной железы. От него зависит прогноз и выбор таргетной терапии, то есть лечения, направленного на конкретную молекулярную мишень опухоли.
Обычно HER2 оценивают по окрашенным образцам ткани. Врач-патолог изучает, насколько выражено окрашивание опухолевых клеток, и присваивает результат по шкале. Эта оценка помогает решить, подходят ли пациентке препараты, нацеленные на HER2.
Что предложили исследователи
Команда Калифорнийского университета в Лос-Анджелесе (University of California, Los Angeles, UCLA) разработала компактную систему, которая не использует объективы и механическую фокусировку.
Вместо обычной оптики устройство применяет безлинзовую голографию. Это метод, при котором образец освещают лазером, а система регистрирует не привычное изображение, а картину дифракции — распределение света после прохождения через ткань. Затем алгоритмы восстанавливают диагностически полезную информацию.
Такой подход позволяет уменьшить размер и стоимость оборудования. По данным авторов, аппаратная часть системы стоит менее 980 долларов США.
Как работал искусственный интеллект
Для анализа изображений исследователи использовали глубокое обучение — разновидность искусственного интеллекта, при которой нейронные сети учатся распознавать сложные закономерности в данных.
Чтобы повысить надёжность, команда применила ансамбль из пяти нейронных сетей. Ансамбль означает, что решение принимается не одной моделью, а несколькими моделями вместе. Это помогает снизить риск случайной ошибки.
Кроме того, система оценивала собственную неопределённость с помощью байесовского метода Монте-Карло с dropout. В практическом смысле это нужно для того, чтобы алгоритм не только выдавал ответ, но и показывал, насколько он в нём уверен. Для медицины это особенно важно: сомнительные случаи должны попадать на дополнительную проверку специалистом.
Какие результаты получили
Систему проверили на слепом наборе из 412 независимых образцов ткани. «Слепой» означает, что при оценке не использовали заранее известные ответы.
Точность четырёхуровневой классификации HER2 составила 84,9%. При бинарной оценке — например, когда результат сводится к клинически более простому разделению — точность достигла 94,8%.
Система также смогла отфильтровать 30,4% ошибочно классифицированных образцов при потере только 7,2% правильных предсказаний. Это важная деталь: в клинической диагностике полезен не только точный алгоритм, но и механизм, который направляет спорные случаи на повторный анализ.
Чем это может помочь клиникам
Обычные цифровые сканеры для патологии дороги, занимают много места и требуют сложной оптики, точной механики и обслуживания. Поэтому они доступны не всем лабораториям, особенно в регионах с ограниченными ресурсами.
Новая система потенциально может стать более дешёвым способом цифровой оценки HER2 на месте. Авторы также показали, что упрощённый режим с одним синим источником света сохранял приемлемую эффективность, что может ещё больше снизить стоимость оборудования.
Для пациентов это может означать более широкий доступ к стандартизированной диагностике рака молочной железы. Но только при условии, что технология пройдёт дальнейшую проверку и будет встроена в клинический процесс с контролем качества.
Почему алгоритм не заменяет патолога
Несмотря на хорошие результаты, автоматическая оценка HER2 не должна восприниматься как полная замена врачу. Рак молочной железы — неоднородное заболевание, а качество результата зависит от подготовки ткани, окрашивания, выбора участка опухоли и клинического контекста.
Поэтому наиболее реалистичный сценарий — использование такой системы как помощника: она может ускорять первичную оценку, выделять уверенные случаи и отправлять неоднозначные результаты на экспертный пересмотр.
Это особенно важно для HER2, потому что ошибка в статусе опухоли может повлиять на выбор лечения. Ранее МКБ-11 писал о том, что известно о трастузумабе эмтанзине при HER2-положительном раке молочной железы спустя годы, и такие данные подчёркивают: точное определение HER2 остаётся критически важным для последующей терапии.
Исследование опубликовано в журнале BME Frontiers.
Литература
Shen C.-Y., et al. Automated HER2 Scoring with Uncertainty Quantification Using Lensfree Holography and Deep Learning // BME Frontiers. 2026. DOI: 10.34133/bmef.0278.