Глубокое обучение для гистопатологической классификации и прогнозирования гинекологических гладкомышечных опухолей (STUMP)

Гладкомышечные опухоли матки, не соответствующие диагностическим критериям доброкачественности (например, лейомиомы) или злокачественности (например, лейомиосаркомы), называются ПНЕ (гладкомышечная опухоль неопределенного злокачественного потенциала). Потенциальным решением этой проблемы может стать применение прогностических моделей с использованием искусственного интеллекта (ИИ) для гистопатологической классификации и прогноза гинекологических гладкомышечных опухолей. Глубокое обучение с использованием сверточных нейронных сетей представляет собой особый класс машинного обучения, в котором прогнозирующие модели обучаются путем рассмотрения небольших групп пикселей в цифровых изображениях и итеративного выявления существенных особенностей. В этом исследовании мы стремимся разработать модели глубокого обучения, способные точно классифицировать и прогнозировать прогноз гинекологических гладкомышечных опухолей на основе гистопатологических особенностей слайдов гематоксилина и эозина (H&E). Целью является разработка диагностического и прогностического алгоритма, который поможет патологам лучше классифицировать и диагностировать гладкомышечные опухоли матки и прогнозировать их клиническое течение.