Полностью автоматизированный рабочий процесс для цифрового анализа изображений в тесте на выживаемость кишечных микроколоний

Почему важно быстрее и справедливее считывать ткани

Когда врачи и учёные изучают влияние радиации на кишечник, они часто полагаются на кропотливую проверку изображений под микроскопом. Эксперты визуально подсчитывают крошечные очаги регенерирующих клеток в тонком кишечнике — задача медленная, утомительная и неожиданно субъективная. В этой статье предложен способ переложить большую часть этой работы на компьютер, используя современные методы анализа изображений и искусственный интеллект (ИИ) для автоматического подсчёта этих структур. Цель проста, но значима: сделать исследования радиационного воздействия более согласованными, быстрыми и менее зависимыми от дефицита экспертного времени.

От кишечника мыши к цифровым слайдам

Исследование сосредоточено на классическом тесте, называемом тестом на выживаемость кишечных микроколоний. В нём мышам облучают брюшную полость. Примерно через три с половиной дня участок тонкой кишки (тощая кишка) удаляют, нарезают на девять коротких сегментов, заливают в воск, рассекают на ультратонкие поперечные срезы, окрашивают и сканируют в высоком разрешении. Каждый скан даёт огромное цифровое изображение с девятью круглыми профилями ткани кишечника. Традиционно подготовленные наблюдатели приближают каждый круг и считают крипты — маленькие железоподобные карманы вдоль внутреннего края, где клетки регенерируют. Меньшее число выживших крипт указывает на более серьёзное повреждение от радиации или комбинированных терапий, таких как химиотерапия.

Проблема ручного подсчёта

На первый взгляд ручной подсчёт может показаться простым, но статья показывает, что это далеко не так. Пятнадцать человек, включая опытных и новичков, прошли обучение по стандартным правилам определения крипты. Тем не менее их подсчёты на одних и тех же изображениях часто сильно различались. На более чем 300 срезах среднее отклонение от среднего по группе составило около одной трети, а расхождения были наибольшими при очень малом числе крипт. Даже среди трёх экспертов с многолетним опытом оставались различия порядка десяти процентов. Такая вариативность может быть соизмерима с эффектами лечения, которые учёные пытаются измерить, повышая риск того, что важные результаты стираются человеческим шумом.

Как работает автоматизированный рабочий процесс

Авторы разработали четырёхэтапный автоматизированный рабочий процесс, который повторяет действия внимательного человека, добавляя при этом дополнительные возможности. Сначала скрипт автоматически вырезает из каждого большого изображения слайда девять кругов ткани, корректируя различия в размере изображений и окрашивании. Затем модель глубокого обучения под названием nnU-Net отмечает пиксели, принадлежащие криптам в каждом круге, создавая чёрно‑белую «маску» предполагаемых областей крипт. Третьим этапом пользовательский алгоритм прослеживает границы каждой области, отфильтровывает крошечные пятна, слишком мелкие для реальных крипт, и — что важно — пытается разделить слитые области, которые на самом деле содержат несколько соседних крипт. Наконец, графический интерфейс позволяет человеку‑ревьюеру увидеть контуры, наложенные на исходные изображения, исправить ошибки в несколько кликов и автоматически сохранить окончательные подсчёты и измерения.

Не хуже людей, но за часы вместо недель

Чтобы оценить качество работы автоматизированного процесса, команда сравнила его подсчёты с оценками экспертов на нескольких наборах данных. Для изображений, использованных при обучении системы, этап глубокого обучения помечал области крипт с очень высокой точностью, а алгоритм подсчёта приближался к консенсусу экспертов всего на несколько крипт, особенно после добавления шага разделения слитых крипт. На новых изображениях, не использовавшихся при обучении, автоматизированные подсчёты отличались от среднего по трём экспертам примерно на десять процентов — сопоставимо или чуть лучше, чем различия между самими экспертами. Когда эксперты позже просматривали и корректировали автоматические результаты через интерфейс, им обычно требовалось менее минуты на изображение. В целом полный эксперимент с участием 60 мышей можно обработать за всего несколько часов вычислительного времени и несколько минут человеческой работы.

Новые способы описания повреждений кишечника

Поскольку рабочий процесс анализирует полные цифровые изображения, он легко измеряет характеристики, которые трудно отслеживать вручную, такие как длина окружности кишечника или площадь каждой крипты. Авторы исследовали, улучшат ли корректировки числа крипт с учётом этих признаков — по сути, «крипты на единицу длины кишечника» или «крипты с учётом их размера» — сигнал повреждения. В данном исследовании ни одна из альтернативных мер последовательно не превосходила простые подсчёты крипт, но подход демонстрирует, как автоматизированный анализ изображений может открыть путь к более богатым и тонким маркерам повреждения ткани.

Что это значит для будущих исследований

Для неспециалистов главный вывод в том, что исследователи создали практичного цифрового помощника, который может читать сложные тканевые слайды почти так же надёжно, как опытные эксперты, но намного быстрее и последовательнее. Сокращая утомительную ручную работу и выравнивая человеческие различия, эта автоматизированная система может сделать исследования радиационного воздействия на кишечник более надёжными и сопоставимыми между лабораториями. Авторы также указывают очевидные направления для дальнейшего улучшения, например использование моделей, которые напрямую разделяют соседние крипты. За пределами этого одного теста их подход предлагает шаблон для автоматизации других микроскопических оценок, приближая патологию к будущему, в котором вдумчивое человеческое суждение поддерживается — а не заменяется — прозрачными и надёжными ИИ-инструментами.

Цитирование: Baikalov, A., Wang, E., Neill, D. et al. A fully automated workflow for the digital image analysis of the intestinal microcolony survival assay. Sci Rep 16, 9633 (2026). https://doi.org/10.1038/s41598-025-34719-4

Ключевые слова: тест на выживаемость кишечных микроколоний, автоматизированная гистопатология, анализ изображений с помощью глубокого обучения, повреждение кишечника, вызванное радиацией, рабочий процесс подсчёта крипт