Разработка AI для анализа гистологических изображений

Почему анализ гистологических изображений упирается в ручную разметку

Анализ гистологических изображений упирается не в оптику сканера и не в вычислительные ресурсы, а в то, что финальное решение принимает человек. Патоморфолог изучает препарат и формулирует заключение, опираясь на собственный опыт: при повторном разборе того же стекла расхождения по отдельным нозологиям достигают 10–20% случаев. Это не следствие низкой квалификации — так устроена сама оценка. Неоднородная окраска, разная толщина среза, артефакты заливки и пограничные картины оставляют пространство для трактовки, и разброс заключений патоморфологов проявляется даже внутри одной лаборатории.

Оцифровка микропрепаратов эту проблему не снимает, а обостряет. Сканер выдаёт целые серии изображений высокого разрешения, но чтобы модель уверенно отделяла опухолевую ткань от стромы и лимфоидных элементов, нужны контуры, размеченные вручную на тысячах стёкол. Разметку сверяют с Классификацией опухолей ВОЗ и протоколами лаборатории, однако сам разбор остаётся ручным: ни один автоматический метод пока не даёт готовой разметки приемлемого качества на всём многообразии окрасок.

Здесь и находится узкое место лаборатории. Ручная разметка стёкол — самая дорогая по времени операция: на один сложный препарат уходит несколько часов врачебного внимания, а согласованность между двумя разметчиками по тонким структурам падает настолько, что модель приходится переучивать. Поток исследований при этом растёт быстрее, чем штат патоморфологов: очередь стёкол копится, сроки выдачи заключений растягиваются, а редкие наблюдения теряются между сериями.

Ограничение не в качестве изображений и не в архитектуре модели, а в скорости и стабильности человеческой разметки. Дальше разбираем, как это закрывается: какими приёмами сокращают объём ручного труда и как удерживают воспроизводимость заключений на потоке.

Что даёт автоматический разбор стёкол: измеримые изменения

Стек оцифровывается в целое изображение и нарезается на фрагменты фиксированного размера. Модель классификации участков ткани относит каждый фрагмент к классу — опухолевая ткань, строма, некроз, лимфоидный инфильтрат, — а подсветка зон интереса собирает ответы обратно в карту, поверх которой врач видит, куда смотреть в первую очередь.

Воспроизводимость заключений — первая измеримая ось. Фиксированная предобработка (нормализация цвета по референсу, отсечение фона, неизменный масштаб) вместе с версионированием весов модели даёт на одном и том же стеке совпадение разметки выше 99% между прогонами, тогда как повторная разметка двумя специалистами расходится заметно сильнее.

Пропускная способность лаборатории растёт не от того, что врач работает быстрее, а от того, что он смотрит только отмеченные зоны. Ключевая метрика здесь — доля пропущенных значимых участков на отложенной выборке: порог чувствительности подбираем так, чтобы модель подсвечивала кандидатов с запасом, а ложное срабатывание стоило нескольких секунд просмотра, а не диагноза.

Время до ответа складывается из времени разбора партии стёкол и очереди на верификацию. Разбор идёт пакетом: ночной прогон отдаёт готовые карты к утру, а не по одному стекy в руки. Разметку для обучения и приёмки ведём в QuPath — один стек размечают несколько специалистов, расхождения фиксируются отдельно, поэтому видно, где ошибается модель, а где спорна сама разметка.

Контроль на каждом обновлении модели идёт по трём числам: воспроизводимость разметки, доля пропущенных значимых участков и время до ответа. По ним видно, что автоматический разбор стёкол снимает нагрузку с врача, а не перекладывает её.

Режимы работы с архивом изображений: три варианта проекта

Режим проекта определяется не предпочтениями, а состоянием архива стёкол и тем, что лаборатория готова делать своими силами. Три рабочие конфигурации различаются объёмом разметки, которую нужно создать до старта, и глубиной доступа к данным. Разбираем их по условиям применимости и ограничениям.

Что с чем сравниваем

Выбор режима проекта опирается на три измеримых вещи: объём архива, долю уже размеченных стёкол и требования к воспроизводимости результата на одинаковом материале. Если данных много, но разметки мало, дообучение готовой модели даёт рабочий результат заметно раньше полного обучения, а доразметка архива идёт параллельно и постепенно расширяет охват классов.

Режим не фиксируется навсегда: конфигурация, начатая как встраивание готового разбора, позже переводится в дообучение на накопленном материале без пересборки лабораторного контура.

Этапы внедрения: от аудита архива до передачи модели

Работа идёт итерациями, и каждая следующая опирается на результат предыдущей. Пока не понятен состав архива и качество разметки, любая архитектура решения остаётся догадкой — поэтому порядок этапов фиксированный: сначала данные, потом схема, потом сборка и проверка.

1. Аудит архива стёкол. Считаем объём случаев, распределение по окраскам и локализациям, проверяем, как хранятся снимки и связаны ли они с заключениями. На выходе — карта данных и перечень пробелов, которые придётся закрыть до старта.
2. Контроль качества разметки. Сводим разметку врачей на пересекающейся выборке и считаем расхождения между разметчиками. Спорные классы получают письменные правила: без этого модель учится воспроизводить чьи-то привычки, а не морфологию.
3. Схема решения. Фиксируем, что именно модель отдаёт наружу — сортировку по приоритету, выделение подозрительных областей или второй взгляд на сложный случай, — и что она не решает никогда.
4. Пилот на ретроспективных стёклах. Собираем модель на данных, которые уже есть в архиве, и проверяем на выборке, не участвовавшей в обучении, с разбиением по периодам поступления и по источникам. Считаем чувствительность, специфичность и долю случаев, уходящих на ручную проверку.
5. Валидация модели. Проверяем устойчивость к артефактам сканирования, разным сканерам и перекраскам, отдельно смотрим классы, где ошибка стоит дороже всего. Порог срабатывания настраиваем так, чтобы пропусков было минимум.
6. План внедрения. Определяем, как решение встраивается в текущий маршрут образца, кто разбирает спорные заключения и по какой метрике мы считаем, что качество не просело.
7. Передача и обучение команды. Отдаём разметку правил, протокол проверки, инструкции для врача-пользователя и разбор типовых ошибок — команда должна уметь сопровождать модель без нас.

Каждый этап заканчивается артефактом, который можно проверить: карта данных, правила разметки, протокол валидации, регламент. Это позволяет остановить работу на любом шаге, если данные не выдерживают проверку.

Что остаётся у команды клиента: модель, разметка, регламенты

Модель, которая хорошо работает на тестовой выборке, но остаётся у разработчика, — это демонстрация, а не внедрение. Передаём всё, что нужно для самостоятельной работы: артефакты, правила их обновления, доступы и инструкции для тех, кто пользуется системой каждый день.

• Веса модели и её карточка. Фиксируем, на каких препаратах и окрасках модель обучалась, как ведёт себя по каждому классу находок и где границы применимости.
• Порядок обновления. Описываем, как дообучать модель на новых стёклах, кто подтверждает выпуск версии и как вернуться к предыдущей, если метрики на контрольной выборке просели.
• Регламент работы с разметкой. Правила разметки спорных областей, порядок разрешения расхождений между врачами, версионирование наборов данных и доля случаев с перекрёстной проверкой.
• Схема интеграции. Как результат попадает в лабораторную систему, в каком виде разметку видит врач и что происходит при недоступности сервиса — приём пациентов не останавливается.
• Политики доступа к данным пациентов. Роли и права внутри системы, обезличивание до обработки, журнал обращений к снимкам, сроки и условия хранения.
• Инструкции для лаборантов. Требования к подготовке и сканированию стёкол: артефакты, пузыри, качество среза и признаки, при которых снимок пересканируется, а не уходит в обработку.
• Инструкции для врачей. Как читать вывод модели, что подтверждается вручную и в каких случаях заключение формируется без её участия.

Документы храним рядом с системой и обновляем вместе с ней: новая версия не выпускается, пока карточка модели, регламенты и инструкции не приведены в соответствие. Через месяц сопровождения команда клиента ведёт обновления сама, а мы подключаемся к разбору сложных случаев.

Кейс: как сократили долю расхождений между экспертами

Лаборатория принимала несколько сотен стёкол в неделю, и пограничные случаи уходили на консилиум: два-три врача смотрели один препарат и не всегда сходились в заключении. Разброс решений держался примерно на каждом пятом случае, а часть препаратов пересматривали повторно — не из-за нехватки данных, а из-за отсутствия единой точки отсчёта.

Что показывали замеры до внедрения

Что изменили и почему это сработало

Разметку вели в QuPath по единому протоколу: спорные поля препарата независимо отмечали все эксперты, а расхождения не сглаживали, а сохраняли отдельным классом. Модель училась не на одном «правильном» заключении, а на распределении мнений, поэтому отдаёт уверенность по каждому классу, а не жёсткий ярлык.

Порог уверенности настроили так, чтобы сомнительные случаи не попадали в готовый отчёт, а сразу вставали в очередь на повторный просмотр. Метрики снимали не разовой выгрузкой, а на потоке: расхождение считали по случаям, где заключение менялось после пересмотра, время разбора — по отметкам открытия и закрытия стекла в системе.

Итог — не «отчёт вместо врача», а предсказуемый разбор: спорные препараты отсеиваются до подписи, а регламент пересмотра одинаков для всей смены.

Чем отличается дообучение готовой модели от обучения с нуля?

Дообучение — это перенос модели: сеть, уже видевшая большой массив изображений, донастраивается на вашем архиве под конкретную задачу — «норма/патология», поиск метастазов в лимфоузле, сегментация ядер. Малой выборки в несколько сотен размеченных препаратов обычно хватает, потому что базовые признаки — контуры, текстура хроматина, форма ядра — в модели уже есть.

Обучение с нуля берут, когда данные заметно отличаются от типовых: другая окраска, редкая нозология, собственный канал съёмки. Второй случай — решение принимается по препарату целиком, а не по отдельному фрагменту: тогда перестраивают и схему обработки, и выход сети. Тот объём разметки, который спасал при дообучении, здесь не работает — нужно на порядок больше препаратов.

Главный риск обоих путей — разметка и валидация. Если фрагменты одного стекла попадают и в обучение, и в проверку, метрики оказываются завышенными: модель запоминает препарат, а не признак. Поэтому выборку делят по пациентам и сканам, а не по отдельным фрагментам, и держат отдельный набор, не участвовавший ни в донастройке, ни в подборе порогов.

Практический критерий простой. Есть хотя бы несколько сотен размеченных препаратов и задача похожа на типовую — начинаем с дообучения, оно даёт первую рабочую версию за недели. Если разметки мало, классы редкие или нужен разбор всего слайда — считаем сборку с нуля, и тогда в план сразу закладываем цикл разметки: модель подсказывает патологу спорные поля, тот подтверждает или правит, и точность растёт от итерации к итерации.

Интеграции, качество стёкол и защита данных: частые сомнения

До старта поднимаются одни и те же сомнения: как модель встанет в контур лаборатории, что делать с неоднородным архивом и где граница в данных пациента. Ниже — короткие ответы.

Данные пациентов уходят на сторону?

Нет. Идентификаторы обезличиваются до подачи в модель, обработка идёт в вашем контуре, а обратное сопоставление хранится только у вас.

Что делать с неоднородным архивом и качеством стёкол?

Слабые сканы отсекаются на предпросмотре, а модель дообучается на ваших сериях — точность не проседает на старых и неровно окрашенных стёклах.

Много ли ложных срабатываний?

Порог чувствительности настраивается под ваш поток: спорные случаи уходят врачу на подтверждение, а не в автоответ. Размеченные ошибки возвращаются в дообучение.

Что происходит после запуска?

Мониторинг качества, дообучение на новых сериях, разбор обращений и плановые обновления модели — без остановки лабораторного процесса.

Обсудим задачу: что прислать для оценки и плана

Чтобы вернуться с оценкой объёма работ, схемой решения и сроками, нам нужны не общие слова о задаче, а конкретные вводные. Чем полнее исходные данные, тем меньше допущений в расчёте трудозатрат и тем меньше расхождений на приёмке — спорные ситуации почти всегда вырастают из деталей, которых не хватило на входе.

• Набор гистологических изображений: несколько десятков сканов разных окрасок, аппаратов и лабораторий — по ним мы проверяем, насколько однородны данные и что придётся нормализовать.
• Формулировка целевой задачи: что именно определяем на снимке, какие классы нас интересуют и как они соотносятся между собой.
• Разметка: размеченные примеры или хотя бы частично проверенные — чтобы оценить объём ручной работы и схему контроля качества.
• Текущий процесс: кто сегодня смотрит снимки, за какое время, где узкое место и какая доля спорных случаев уходит на повторный просмотр.
• Требования к результату: допустимая доля пропусков, нужна ли оценка уверенности и как решение встраивается в существующий порядок работы врача.
• Ограничения по данным и контуру: где хранятся изображения, есть ли изолированный контур, кто владелец и какой режим доступа нужен нашим инженерам.
• Критерии приёмки: на какой выборке проверяем, кто со стороны заказчика подтверждает результат и каким документом фиксируем этапы.

Пришлите то, что уже есть, даже если это разрозненные папки со сканами и заметки в свободной форме — мы сами соберём из них структуру. Опишите задачу, и мы вернёмся с оценкой объёма работ, схемой решения и планом внедрения по этапам.