Detection of tumor-associated tryptase-positive mast cells in sporadic medullary thyroid carcinoma

Full Text

ОБОСНОВАНИЕ

Медуллярная карцинома щитовидной железы (МКЩЖ) — злокачественная опухоль, развивающаяся из кальцитонин продуцирующих парафолликулярных С-клеток щитовидной железы [1]. МКЩЖ составляет приблизительно 2% всех злокачественных новообразований щитовидной железы и в 25% случаев является наследственным заболеванием, возникающим в результате аутосомно-доминантных мутаций зародышевой линии с усилением функции в протоонкогене RET, что указывает на синдром множественной эндокринной неоплазии (МЭН2A или МЭН2B). При этом этиология спорадических форм МКЩЖ до сих пор неизвестна [2].

Течение МКЩЖ на данный момент непредсказуемо, а клинические формы варьируют от индолентных до фульминантных. Разработка классификации МКЩЖ с учётом молекулярных особенностей и стратификации риска прогрессии заболевания имеет ключевое значение для оптимизации алгоритмов лечения пациентов с этим типом карциномы. На сегодняшний день, согласно большинству мировых клинических рекомендаций, основным методом лечения является хирургический, объём которого сводится к тиреоидэктомии с центральной лимфодиссекцией, что сопряжено с достаточно высокими рисками осложнений [3–8]. Стратификация МКЩЖ позволит выделить группы пациентов, которым показаны более агрессивные методы лечения, а также тех, у кого заболевание протекает более медленно и требует лишь динамического наблюдения. Внедрение молекулярной стратификации поможет точнее прогнозировать ответ на лечение, минимизировать побочные эффекты терапии и улучшить общие показатели выживаемости. Кроме того, такая классификация станет основой для разработки новых методов таргетной терапии, направленных на конкретные молекулярные мишени, что повысит эффективность лечения и улучшит качество жизни пациентов. На сегодняшний день стратификация рисков основана только на индексе пролиферативной активности и наличии некрозов в опухоли, однако продолжается поиск новых маркеров и предикторов заболевания [9].

Роль тучных клеток (ТК) в развитии патологии щитовидной железы рассмотрена недостаточно. Известно, что ТК являются клетками врождённого иммунитета и их участие в патогенезе аллергических заболеваний изучено достаточно подробно [10]. Несмотря на ограниченное количество исследований также установлено, что ТК играют значительную роль в патофизиологии щитовидной железы. В исследовании V.V. Zdor и соавт. [11] продемонстрирована взаимосвязь между количеством ТК и различными неопухолевыми поражениями щитовидной железы. При воздействии избыточного количества тиреоидных гормонов в щитовидной железе запускаются воспалительные реакции. При этом ТК в ткани железы сверхэкспрессируют костимулирующий CD86, что подтверждает их участие в презентации аутоантигенов [11]. ТК также участвуют в регуляции микроциркуляции и ангиогенеза, влияя на функциональную активность тиреоцитов. Полученные рядом авторов данные свидетельствуют о том, что при подостром тиреоидите ТК, экспрессирующие факторы роста, участвуют в восстановлении ткани щитовидной железы через модуляцию фолликулогенеза и ангиогенеза [12].

Установлено, что ТК участвуют в прогрессировании новообразований различных локализаций. Среди клеточных популяций, инфильтрирующих строму опухоли, именно ТК могут влиять на несколько аспектов биологии опухоли, включая её развитие и прогрессирование, ангиогенез, лимфангиогенез и ремоделирование тканей [12–16]. При развитии и росте опухоли происходит таргетная дегрануляция ТК, что сопровождается высвобождением факторов, стимулирующих ангиогенез и метастазирование [17, 18]. В свою очередь, при злокачественных новообразованиях щитовидной железы (папиллярной, фолликулярной, дифференцированной высокозлокачественной и низкодифференцированной карциномах) наблюдается усиление инфильтрации ТК по сравнению с нормальной тканью железы, при этом увеличение количества ТК коррелирует с плохим прогнозом [19].

Требуют отдельного внимания и особенности гистогенеза МКЩЖ. Этиология данной карциномы кардинально отличается от иных образований щитовидной железы. Принято считать, что МКЩЖ относится к нейроэндокринным опухолям [20]. По данным S. Mo и соавт. [21] и D. Meng и соавт. [22] высокая концентрация ТК является независимым предиктором длительного выживания без прогрессирования при нейроэндокринных опухолях в поджелудочной железе разной степени злокачественности (Grade 1, 2, 3).

На сегодняшний день нет исследований, направленных на изучение роли ТК в течении спорадической медуллярной карциномы щитовидной железы, что делает эту проблему особенно актуальной, учитывая разные концепции исследователей.

Цель исследования — показать возможности иммуногистохимической детекции тучных клеток в опухолевом микроокружении спорадической медуллярной карциномы щитовидной железы.

МЕТОДЫ

Дизайн исследования

Проведено одномоментное многоцентровое исследование парафиновых гистологических срезов образцов спорадической медуллярной карциномы щитовидной железы.

Условия проведения

В исследовании приняли участие ФГБУ «НМИЦ эндокринологии им. академика И.И. Дедова» Минздрава России и Российский университет дружбы народов им. Патриса Лумумбы.

Исследование проведено в период: апрель 2024 года – февраль 2025 года.

Критерии соответствия

Всего в исследовании приняли участие 43 пациента: 12 мужчин и 31 женщина в возрасте 40–65 лет. На дооперационном этапе всем пациентам проведён молекулярно-генетический анализ периферической крови с использованием метода высокопроизводительного секвенирования NGS (Next-Generation Sequencing). Герминальных патогенных и условно-патогенных однонуклеотидных вариантов (SNV, Single Nucleotide Variant) в гене RET выявлено не было.

Описание вмешательства

Всем пациентам проведено хирургическое лечение в объёме тиреоидэктомии (76,5% пациентов) и гемитиреоидэктомии (23,5%). Каждому образцу ткани щитовидной железы был присвоен индивидуальный идентификационный номер, что позволило обезличить материал при дальнейшем исследовании.

ИСХОДЫ ИССЛЕДОВАНИЯ

Основной исход исследования

Количественная оценка триптаза-позитивных тучных клеток в опухолевом микроокружении спорадической медуллярной карциномы щитовидной железы.

Методы регистрации исходов

Иммуногистохимическое исследование

Для иммуногистохимического исследования срезы (3 мкм) депарафинизировали. Далее проводили извлечение антигена путём нагревания срезов с буфером для восстановления эпитопов R-UNIVERSAL (Aptum Biologics Ltd., Великобритания; в парогенераторе при температуре 95 °C, 30 мин). Этап блокирония эндогенных Fc-рецепторов перед инкубацией с первичными антителами был исключён в соответствии с опубликованными рекомендациями [23]. После извлечения антигена и нейтрализации эндогенной пероксидазы срезы окрашивали иммуногистохимическим методом с использованием первичных антител к триптазе (разведение 1:2000, моноклональные антитела мыши; кат. № ab2378, Abcam, Великобритания). Антиген визуализировали с помощью вторичных антител (разведение 1:2000, поликлональные антитела козы; кат. № ab6789, Abcam, Великобритания) и хромогена DAB (3,3'-диаминобензидин).

U-Net сегментация триптаза-позитивных клеток

Для обучения свёрточной нейронной сети (CNN, convolutional neural network), предназначенной для сегментации триптаза-позитивных клеток, была сформирована выборка из 67 полнослайдовых изображений (WSI, Whole Slide Imaging) иммуногистохимических препаратов. Затем на изображениях выделили 694 области интереса с положительно окрашенными клетками и без таковых. Размер каждого изображения (области интереса) 512×512 пикселей при разрешении 0,5029 мкм/пиксель и увеличении ×20. Экспертную аннотацию областей интереса провели в программе QuPath (версия 0.5.1) [24]. Далее осуществляли бинаризацию изображений с присвоением значения 1 иммунопозитивным участкам и значения 0 — иммунонегативным зонам. Итоговый набор включал 694 бинарные маски и соответствующие им исходные изображения иммуногистохимических препаратов. Общий массив данных стратифицировали на три подвыборки: 541 изображение для тренировочной выборки (78,0%), 73 — для тестовой (10,5%) и 80 — для валидационной (11,5%). Обучение проведено в программе DeepMIB версии 2.91 beta20 (Университет Хельсинки, Финляндия) [25]. Сегментацию осуществляли с применением свёрточной нейронной сети архитектуры U-Net с тремя уровнями глубины и 32 фильтрами. Для сохранения исходного разрешения изображений понижение дискретизации не использовали. После первичного обучения применили метод «human-in-the-loop» — верификацию результатов квалифицированным патоморфологом, что позволило расширить аннотированную выборку до 808 изображений (655 изображений в тренировочной выборке). Патоморфолог внёс корректировки в 114 изображений, на которых сегментация была недостаточной и/или ошибочной. После этого провели повторное обучение в течение 500 эпох; в ходе обучения применяли аугментацию данных.

Анализ в подгруппах

Распределение пациентов согласно классификации TNM (Tumor-Node-Metastasis, 8-е издание) представлено в табл. 1. Неравномерность выборки обусловлена особенностями работы НМИЦ эндокринологии, в которой большое внимание уделяется ранней диагностике, выявлению и лечению медуллярной карциномы.

Статистические процедуры

Для оценки качества модели использовали следующие показатели: коэффициент пересечения (Intersection over Union, IoU), граничный F1-показатель (Boundary F1-Score, BF) и точность (Accuracy, ACC). Модель применяли к тестовому набору данных с помощью программы FastPathology (версия 1.1.3; Норвежский университет науки и технологий, Норвегия). Модель верифицировали на выборке, включающей все полнослайдовые изображения. Полученные результаты сегментации иммунопозитивных клеток количественно проанализированы в программе QuPath.

Статистический анализ осуществляли в программной среде R (версия 4.4.0; R Foundation, Австрия) с использованием стандартных методов обработки данных. Для оценки соответствия модели провели корреляционный анализ с использованием коэффициента корреляции Спирмена, сравнивали плотность триптаза-позитивных клеток в опухолевых и внеопухолевых зонах с качественной оценкой, данной патоморфологом. Количественные данные представлены в виде среднего значение и стандартного отклонения, медианы и 1 и 3 квартиля (25, 75 перцентиля), минимального и максимального значения. Провели оценку метрик IoU, F1-Score и ACC для каждого изображения в тестовой выборке. Статистически значимыми считали различия при значении p на уровне 0,05.

РЕЗУЛЬТАТЫ

Характеристики выборки

В исследование были включены 43 пациента, характеристики которых согласно классификации TNM (8-е издание) представлены в табл. 1. Большинство пациентов находились на стадии T1b (53,5%), у 55,8% отсутствовали метастазы в регионарные лимфоузлы (N0). Отдалённые метастазы на момент исследования не оценивались (Mx — 100%).

 

Таблица 1. Распределение пациентов с учётом классификации TNM (8-е издание)

Table 1. Distribution of patients according to the TNM classification (8th edition)

Классификация  TNM	Количество случаев  (доля в выборке, %)
T (Tumor)
T1a	8 (18,6)
T1b	23 (53,5)
T2	8 (18,6)
T3a	4 (9,3)
N (Nodes)
N0	24 (55,8)
N1a	5 (11,6)
N1b	9 (20,9)
Nx	5 (11,6)
M (Metastasis)
Mx	43 (100)

 

Основные результаты исследования

Обученная модель продемонстрировала следующие метрические показатели для класса 1 (иммунопозитивные участки опухоли): точность ACC составила 0,75, коэффициент пересечения IoU — 0,57, а среднее значение граничного F1-показателя BF — 0,85 (табл. 2, рис. 1). Несмотря на удовлетворительные результаты оценки модели, высокий процент ложноотрицательных сегментаций указывает на необходимость увеличения объёма обучающей выборки. Коэффициенты корреляции Спирмена при оценке количества триптаза-позитивных клеток для регионов WSI «опухоль» и «вне опухоли» составили 0,70 и 0,42 соответственно, что свидетельствует о сильной и умеренной положительной корреляции между результатами работы модели и экспертной оценкой патоморфолога.

 

Таблица 2. Матрица ошибок, точность модели в зависимости от класса

Table 2. Confusion matrix and model accuracy by class

Референтная  разметка	Предсказанный класс
	Класс 0	Класс 1 (триптаза-позитивные клетки)
Класс 0	99,96%	0,04%
Класс 1	25,08%	74,92%

 

Рис. 1. Разметка данных и результаты работы CNN модели: a — исходное изображение; b — бинаризованная маска аннотированных областей; c, d — пример сегментации результирующей CNN модели.

Fig. 1. Data annotation and CNN model output: a, original image; b, binarized mask of annotated regions; c, d, example of segmentation results produced by the CNN model.

 

По результатам проведённого исследования выявлен ряд возможных клинически значимых корреляций. Отмечена взаимосвязь количества ТК на мм² в строме щитовидной железы с возрастом (коэффициент Спирмена r =0,34, p =0,0310), в опухолевой зоне такая взаимосвязь не выявлена (коэффициент Спирмена r =0,10, p =0,5029), что может объясняться несколькими причинами. Известно, что количество ТК меняется при различных аллергических реакциях, а также при аутоиммунном процессе. Поскольку данный показатель не согласуется с классификацией TNM, а выборка достаточно мала, расценивать его как клинически значимый в онкогенезе нецелесообразно. Однако эти данные указывают на необходимость проведения более широкого обследования пациентов для выявления иных взаимосвязей с увеличенным числом тучных клеток.

Выявлена заметная корреляция (коэффициент Спирмена r =0,55, p =0,0002) количества ТК в опухоли со стадией Т по классификации TNM (табл. 3). Если рассматривать среднее значение, то чем выше Т, тем больше количество тучных клеток. Однако важно учитывать, что данный показатель зависит от размера опухоли и может изменяться при пересчёте на единицу площади (табл. 4). При рассмотрении количества тучных клеток на мм² различия между T1b и T2 стадиями минимальны, что, вероятно, свидетельствует о переходе опухоли из одного состояния в другое. В связи с этим важно понимать, каково значение ТК в патогенезе МКЩЖ и меняется ли оно по мере прогрессирования опухоли.

 

Таблица 3. Количество выявленных тучных клеток в опухоли в зависимости от стадии Т по классификации TNM

Table 3. Number of detected mast cells in tumors according to the T stage by TNM classification

Описательная статистика	Стадия Т
	T1a	T1b	T2	T3a
Среднее значение ± стандартное отклонение	41,5±56,9	215±208	765±918	1370±1510
Медиана [Q1; Q3]	22,5 [7, 0; 37, 3]	162 [86; 214]	380 [97; 1100]	937 [531; 1770]
Интервал min–max	6–174	1–681	29–2540	65–3530

 

Таблица 4. Количество тучных клеток на единицу площади опухоли в зависимости от стадии Т по классификации TNM

Table 4. Number of mast cells per unit tumor area according to the T stage by TNM classification

Описательная статистика	Стадия Т
	T1a	T1b	T2	T3a
Среднее значение ± стандартное отклонение	1,96±2,02	3,57±3,75	3,74±3,88	5,87±3,50
Медиана [Q1; Q3]	1,46 [0, 84; 2, 04]	2,14 [1, 15; 4, 23]	2,35 [1, 01; 5, 28]	5,60 [3, 80; 7, 68]
Интервал min–max	0,27–6,65	0,088–13,100	0,34–10,90	2,05–10,20

 

При расчёте процентного соотношения количества ТК и клеток опухоли данные ещё больше меняются (табл. 5): среднее значение показателя больше у пациентов на стадии T1b, чем при Т2. Эти результаты ещё раз подчёркивают возможное влияние ТК на прогрессирование или регресс медуллярной карциномы.

 

Таблица 5. Процентное соотношение тучных клеток к клеткам опухоли в зависимости от стадии Т по классификации TNM

Table 5. Percentage ratio of mast cells to tumor cells according to the T stage by TNM classification

Описательная статистика	Стадия Т
	T1a	T1b	T2	T3a
Среднее значение ± стандартное отклонение	0,07±0,07	0,12±0,10	0,10±0,10	0,16±0,10
Медиана [Q1; Q3]	0,04 [0, 03; 0, 11]	0,08 [0, 03; 0, 19]	0,07 [0, 04; 0, 15]	0,14 [0, 10; 0, 19]
Интервал min–max	0,01–0,20	0,00–0,34	0,00–0,24	0,05–0,29

 

Кроме количественных различий, обращают на себя внимания особенности солокализации ТК с иными клетками в опухолевом окружении, а также непосредственно с атипичными клетками опухоли (рис. 2). Даже при моноплексном окрашивании на триптазу в строме опухоли можно видеть прилежание к ТК одной или нескольких иммунокомпетентных клеток. Дальнейшее фенотипирование, вероятно, позволит раскрыть важные детали иммуногенеза в пределах локального тканевого микроокружения. Кроме того, у каждого обследованного пациента взаимодействие ТК с атипичными клетками имеет персональные особенности как по частоте солокализации, так и по площади соприкосновения. Секреция триптазы в составе гранул происходит с определённого полюса ТК, с последующей таргетной аккумуляцией во внеклеточном матриксе в микроокружении атипичных клеток. Некоторые секреторные гранулы за пределами ТК теряют иммунопозитивность к триптазе, что обусловлено активным транспортом этой специфической протеазы к мишеням.

 

 

Рис. 2. Гистотопографические и цитологические особенности триптаза-позитивных тучных клеток, ассоциированных с опухолью при спорадической медуллярной карциноме щитовидной железы: T1b, T2, T3a — стадии опухоли в соответствии с классификацией TNM (8-е издание); a — солокализация тучной клетки с плазматической клеткой (стрелка) в опухолевом микроокружении; b — прилежание тучной клетки к атипичной клетке с признаками секреторной деятельности (стрелка); c — таргетная секреция автономных триптаза-позитивных гранул тучной клеткой в сторону опухолевой клетки (стрелка); d — солокализация тучной клетки с несколькими атипичными клетками (стрелка); e — зрелые секреторные гранулы в тучной клетке, прилежащей к опухолевой клетке (стрелка); f — прилежание триптаза-позитивной тучной клетки к атипичной клетке (стрелка); g–j — различные варианты триптаза-опосредованного юкстакринного воздействия тучных клеток на опухолевые клетки, сопровождающегося транспортом триптазы в цитоплазматические компартменты (стрелка); k — тучная клетка удлинённой формы с крупным цитоплазматическим выростом (стрелка), заполненная триптаза-позитивными секреторными гранулами, периферическая интрагранулярная локализация протеазы; l — тучная клетка округлой формы, заполненная зрелыми секреторными гранулами, с признаками цельногранулярной секреции в направлении к мишеням опухолевого микроокружения (стрелка); m — тучная клетка с преимущественной локализацией секреторных гранул на периферии цитоплазмы (стрелка); n — взаимодействие двух тучных клеток. Масштабный отрезок 5 мкм.

Fig. 2. Histotopographic and cytological features of tryptase-positive tumor-associated mast cells in sporadic medullary thyroid carcinoma: T1b, T2, T3a, tumor stages according to the TNM classification (8th edition); a, colocalization of a mast cell with a plasma cell (arrow) in the tumor microenvironment; b, adjacency of a mast cell to an atypical cell showing signs of secretory activity (arrow); c, targeted secretion of autonomous tryptase-positive granules by a mast cell toward a tumor cell (arrow); d, colocalization of a mast cell with multiple atypical cells (arrow); e, mature secretory granules in a mast cell adjacent to a tumor cell (arrow); f, adjacency of a tryptase-positive mast cell to an atypical cell (arrow); g–j, various patterns of tryptase-mediated juxtacrine interaction between mast cells and tumor cells, accompanied by tryptase transport into cytoplasmic compartments (arrow); k, elongated mast cell with a large cytoplasmic process (arrow), filled with tryptase-positive secretory granules showing peripheral intragranular localization of the protease; l, round mast cell filled with mature secretory granules, exhibiting whole-granule secretion directed toward targets in the tumor microenvironment (arrow); m, mast cell with predominant peripheral localization of secretory granules (arrow); n, interaction between two mast cells. Scale bar, 5 μm.

 

ОБСУЖДЕНИЕ

Резюме основного результата исследования

Проведённое исследование впервые продемонстрировало возможности иммуногистохимической детекции триптаза-позитивных тучных клеток в опухолевом микроокружении спорадической МКЩЖ с использованием CNN модели. Выявлены количественные различия в содержании тучных клеток на разных стадиях заболевания согласно классификации TNM (8-е издание). Выявленные признаки свидетельствуют о необходимости дальнейшего изучения гистотопографических и цитологических особенностей триптаза-позитивных ТК, а также применения дополнительных маркеров для детального иммунофенотипирования окружающих клеток и структур матрикса.

Интерпретация результатов исследования

Полученные результаты согласуются с данными исследований S. Mo и соавт. [21] и D. Meng и соавт. [22], которые установили, что высокая плотность расположения тучных клеток является независимым предиктором длительного выживания без прогрессирования при нейроэндокринных опухолях поджелудочной железы. Учитывая, что МКЩЖ относится к нейроэндокринным опухолям, выявленные нами корреляции между количеством ТК и стадией заболевания могут иметь прогностическое значение.

Особый интерес представляют обнаруженные особенности солокализации тучных клеток с другими клетками опухолевого микроокружения и характер их секреторной активности, что указывает на участие ТК в биологии опухоли.

Ограничения исследования

Данное исследование имеет ряд ограничений: относительно небольшой размер выборки (43 пациента) и неравномерное распределение по стадиям TNM; ретроспективный характер исследования и участие ограниченного числа центров могут ограничивать возможности экстраполяции результатов.

ЗАКЛЮЧЕНИЕ

Проведённое исследование продемонстрировало наличие тучных клеток в строме медуллярной карциномы и их количественные различия при разном размере опухолевого узла. Полученные результаты свидетельствуют о необходимости расширения выборки и увеличения её равномерности. Тем не менее, полученные нами данные указывают на взаимосвязь между стадией заболевания по классификации TNM и количеством триптаза-позитивных ТК в строме опухоли. Пересчёт в процентное соотношение с учётом особенностей стадирования позволяет предположить существование «переходных» форм МКЩЖ, когда опухоль может изменять свой злокачественный потенциал под влиянием иммунного окружения.

Данная работа может стать отправной точкой для углублённого изучения роли ТК в развитии спорадической МКЩЖ, понимание которой будет способствовать поиску новых мишеней для терапевтического воздействия. Кроме того, обнаруженное в исследовании активное взаимодействие ТК с атипичными клетками спорадической МКЩЖ и другими компонентами опухолевого микроокружения может рассматриваться как потенциальный критерий для интерпретации биологических эффектов ТК по отношению к опухоли и заслуживает дополнительного анализа для разработки диагностических алгоритмов и повышения объективности прогноза.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Вклад авторов. Е.В. Бондаренко — определение концепции, написание черновика рукописи, пересмотр и редактирование рукописи; М.В. Балясин — анализ данных, написание черновика рукописи, пересмотр и редактирование рукописи; А.А. Костин — анализ данных, пересмотр и редактирование рукописи; А. Шевэ — проведение исследования, написание черновика рукописи, пересмотр и редактирование рукописи; А.В. Алехнович — анализ данных, пересмотр и редактирование рукописи; Ф.М. Абдулхабирова — проведение исследования, написание черновика рукописи, пересмотр и редактирование рукописи; Д.А. Атякшин — определение концепции, проведение исследования, написание черновика рукописи, пересмотр и редактирование рукописи. Все авторы одобрили рукопись (версию для публикации), а также согласились нести ответственность за все аспекты настоящей работы, гарантируя надлежащее рассмотрение и решение вопросов, связанных с точностью и добросовестностью любой её части.

Этическая экспертиза. Исследование рассмотрено и одобрено локальным этическим комитетом ФГБУ «НМИЦ эндокринологии им. академика И.И. Дедова» Минздрава России, протокол № 1 от 15 января 2025 года. До включения в исследование все участники добровольно подписали форму информированного согласия, утверждённую этическим комитетом в составе протокола № 1 от 15 января 2025 года.

Источники финансирования. Научное исследование проведено при поддержке Государственного задания «Гормонально-метаболические и молекулярно-клеточные характеристики заболеваний щитовидной железы, как основа для разработки инновационных методов диагностики, лечения и профилактики» Рег. № НИОКТР 123021300097-0 ФГБУ «НМИЦ эндокринологии им. академика И.И. Дедова» Минздрава России.

Раскрытие интересов. Авторы заявляют об отсутствии отношений, деятельности и интересов за последние три года, связанных с третьими лицами (коммерческими и некоммерческими организациями), интересы которых могут быть затронуты содержанием статьи.

Оригинальность. Настоящая работа является оригинальным исследованием. Все данные, представленные в рукописи, получены впервые в ходе проведения данного исследования. Ранее опубликованные или полученные в других исследованиях данные не использовались.

Доступ к данным. Авторы предоставляют ограниченный доступ к данным по обоснованному запросу. Ограничение обусловлено необходимостью защиты персональных медицинских данных пациентов в соответствии с требованиями локального этического комитета и законодательства Российской Федерации о персональных данных. Запросы должны содержать описание цели использования данных и планируемых методов анализа, а также информацию об институциональной принадлежности исследователя. Запросы следует направлять автору, ответственному за переписку: Бондаренко Екатерине Владимировне (ekaterinabondarenko@inbox.ru). По запросу предоставляется доступ к весам обученной CNN-модели в формате.onnx и обезличенному датасету с бинарными масками аннотированных областей (694 изображения размером 512×512 пикселей).

Генеративный искусственный интеллект. При создании настоящей статьи технологии генеративного искусственного интеллекта не использовали.

Рассмотрение и рецензирование. Настоящая работа подана в журнал в инициативном порядке и рассмотрена по обычной процедуре. В рецензировании участвовали два внешних рецензента, член редакционной коллегии и научный редактор издания.

ADDITIONAL INFORMATION

Author contributions: E.V. Bondarenko: conceptualization, writing—original draft, writing—review & editing; M.V. Balyasin: formal analysis, writing—original draft, writing—review & editing; A.A. Kostin: formal analysis, writing—review & editing; A. Chevais: investigation, writing—original draft, writing—review & editing; A.V. Alekhnovich: formal analysis, writing—review & editing; F.M. Abdulkhabirova: investigation, writing—original draft, writing—review & editing; D.A. Atiakshin: conceptualization, investigation, writing—original draft, writing—review & editing. All the authors approved the version of the manuscript to be published and agreed to be accountable for all aspects of the work, ensuring that questions related to the accuracy or integrity of any part of the work are appropriately investigated and resolved.

Ethics approval: The study was reviewed and approved by the Local Ethics Committee of the Endocrinology Research Center (Minutes No. 1 of January 15, 2025). Before enrollment, all participants provided written informed consent approved by the Ethics Committee as part of Minutes No. 1 of January 15, 2025.

Funding sources: The study was conducted as part of the State Assignment “Hormonal, metabolic, and molecular-cellular characteristics of thyroid diseases as a basis for developing innovative diagnostic, therapeutic, and preventive methods” (research registration No. 123021300097-0) of the Endocrinology Research Center.

Disclosure of interests: The authors have no relationships, activities, or interests for the last three years related to for-profit or not-for-profit third parties whose interests may be affected by the content of the article.

Statement of originality: This study is an original research work. All data presented in the manuscript were obtained for the first time during this study. No previously published or obtained materials were used.

Data availability statement: The authors provide limited access to the data upon reasonable request. The restriction is due to the need to protect patients’ personal medical data in accordance with the requirements of the Local Ethics Committee and the legislation of the Russian Federation on personal data. Requests must include the purpose of data use, the intended analytical methods, and information on the researcher’s institutional affiliation. Please send your requests to the corresponding author, Ekaterina V. Bondarenko (ekaterinabondarenko@inbox.ru). Upon request, access may be granted to the trained CNN model weights in.onnx format and to a depersonalized dataset containing binary masks of annotated regions (694 images, 512×512 pixels).

Generative AI: No generative artificial intelligence technologies were used to prepare this article.

Provenance and peer-review: This paper was submitted unsolicited and reviewed following the standard procedure. The peer review process involved two external reviewers, a member of the Editorial Board, and the in-house science editor.

About the authors

Ekaterina V. Bondarenko

Endocrinology Research Center

Author for correspondence.
Email: ekaterinabondarenko@inbox.ru
ORCID iD: 0000-0003-2122-2297
SPIN-code: 3564-7654

MD, Cand. Sci. (Medicine)

Russian Federation, Moscow

Maxim V. Balyasin

Peoples’ Friendship University of Russia

Email: b.maxim4432@yandex.ru
ORCID iD: 0000-0002-3097-344X
SPIN-code: 9738-4520
Russian Federation, Moscow

Andrey A. Kostin

Peoples’ Friendship University of Russia

Email: andocrey@mail.ru
ORCID iD: 0000-0002-1330-1756
SPIN-code: 8073-0899
Russian Federation, Moscow

Anastassia Chevais

Endocrinology Research Center

Email: Anastassia93@gmail.com
ORCID iD: 0000-0001-5592-4794
SPIN-code: 2459-0540
Russian Federation, Moscow

Alexander V. Alekhnovich

Peoples’ Friendship University of Russia

Email: alekhnovich_av@pfur.ru
ORCID iD: 0000-0002-8942-2984
SPIN-code: 5903-1260
Russian Federation, Moscow

Fatima M. Abdulkhabirova

Endocrinology Research Center

Email: abdulkhabirova@endocrincentr.ru
ORCID iD: 0000-0001-8580-2421
SPIN-code: 2462-1115
Russian Federation, Moscow

Dmitrii A. Atiakshin

Peoples’ Friendship University of Russia

Email: atyakshin_da@pfur.ru
ORCID iD: 0000-0002-8347-4556
SPIN-code: 3830-8152
Russian Federation, Moscow

References

Supplementary files