ISSN 0300-9092 (Print)
ISSN 2412-5679 (Online)

Возможности применения методов машинного обучения и искусственного интеллекта для морфологического анализа плаценты

Туманова У.Н., Туманов Н.А., Щеголев А.И., Серов В.Н.

ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Минздрава России, Москва, Россия

Морфологическое изучение плаценты является обязательным компонентом патологоанатомического ее исследования, позволяющим определить наличие патологических процессов и поражений, часть из которых характеризуется рецидивированием при последующих беременностях. 
Цель работы: анализ данных литературы и результатов собственных исследований о возможностях применения машинного анализа и искусственного интеллекта для оценки морфологических изменений плаценты.
Имеющиеся данные литературы отражают возможности применения методов цифровой патологии, машинного обучения и искусственного интеллекта. В настоящее время определяются три основных направления морфологических исследований плаценты: автоматизированный анализ гистологических препаратов, определение вида клеток и тканевых структур, а также получение заключения об имеющемся поражении/патологическом процессе. Показаны возможности распознавания и дифференцированного определения количества 11 видов клеток, 9 типов тканевых структур, включая 5 типов ворсин, определения ее отдельных или группы поражений (инфаркта ворсин, тромбоза межворсинкового пространства, децидуальной васкулопатии, хориоамнионита), а также дифференциальной диагностики морфологических изменений плаценты при преэклампсии и задержке роста плода.
Заключение: На основании анализа данных литературы можно констатировать, что существенно меньший период времени анализа изображений (препаратов), количественная оператор-независимая оценка сразу всего изображения (препарата), а не отдельных полей зрения при разных увеличениях, использование алгоритмов машинного обучения и искусственного интеллекта для получения заключения однозначно являются достоинствами машинного (компьютерного) анализа и искусственного интеллекта по сравнению с традиционными морфологическими исследованиями гистологических препаратов; указывают на крайне актуальную необходимость их разработки и широкого внедрения. 

Вклад авторов: Туманова У.Н., Туманов Н.А. – поиск публикаций, анализ данных публикаций, написание текста рукописи; Щеголев А.И. – разработка дизайна исследования, анализ данных публикаций, написание текста рукописи; Серов В.Н. – разработка дизайна исследования, анализ данных публикаций, редактирование текста рукописи.
Конфликт интересов: Авторы заявляют об отсутствии возможных конфликтов интересов.
Финансирование: Исследование проведено без спонсорской поддержки.
Для цитирования: Туманова У.Н., Туманов Н.А., Щеголев А.И., Серов В.Н. Возможности применения методов машинного обучения и искусственного интеллекта для морфологического анализа плаценты.
Акушерство и гинекология. 2025; 6: 84-93
https://dx.doi.org/10.18565/aig.2025.127

Ключевые слова

плацента
морфология
патология
машинное обучение
искусственный интеллект

Список литературы

  1. Туманова У.Н., Щеголев А.И. Поражения плаценты в генезе мертворождения (обзор литературы). Международный журнал прикладных и фундаментальных исследований. 2017; 3-1: 77-81.
  2. Щеголев А.И., Серов В.Н. Клиническая значимость поражений плаценты. Акушерство и гинекология. 2019; 3: 54-62.
  3. Redline R.W. Placental pathology: a systematic approach with clinical correlations. Placenta. 2008; 29 (Suppl. A): S86-91. https://dx.doi.org/10.1016/j.placenta.2007.09.003 3
  4. Redline R.W. Classification of placental lesions. Am. J. Obstet. Gynecol. 2015; 213(4 Suppl.): S21-8. https://dx.doi.org/10.1016/j.ajog.2015.05.056
  5. Mestan K.K., Leibel S.L., Sajti E., Pham B., Hietalati S., Laurent L. et al. Leveraging the placenta to advance neonatal care. Front. Pediatr. 2023; 11: 1174174. https://dx.doi.org/10.3389/fped.2023.1174174
  6. Ernst L.M., Carreon C.K. Placenta. In: Ernst L., Ruchelli E., Carreon C., Huff D., eds. Color atlas of human fetal and neonatal histology. Springer Cham; 2019: 399-424. https://dx.doi.org/10.1007/978-3-030-11425-1_36
  7. Heerema-McKenney A. Placental development with expected normal gross and microscopic findings. In: Khong T., Mooney E., Nikkels P., Morgan T., Gordijn S., eds. Pathology of the placenta. Springer Cham; 2019: 9-29. https://dx.doi.org/10.1007/978-3-319-97214-5_2
  8. Huppertz B., Peeters L.L. Vascular biology in implantation and placentation. Angiogenesis. 2005; 8(2): 157-67. https://dx.doi.org/10.1007/s10456-005-9007-8
  9. Huppertz B. Placental development with histological aspects. In: Huppertz B., Schleußner E., eds. The placenta: Basics and clinical significance. Berlin, Heidelberg: Springer; 2023: 1-27. https://dx.doi.org/10.1007/978-3-662-66256-4_1
  10. Лебедев Г.С., Шадеркин И.А., Тертычный А.С., Шадеркина А.И. Цифровая патоморфология: создание системы автоматизированной микроскопии. Российский журнал телемедицины и электронного здравоохранения. 2021; 7(4): 27-47.
  11. Ремез А.И., Журавлев А.С., Фаттахов A.О., Павлова В.А. Цифровая патология в России: опыт и перспективы. РМЖ. Медицинское обозрение. 2018; 6: 19-21.
  12. Ferlaino M., Glastonbury C., Motta-Mejia C., Vatish M., Granne I., Kennedy S. et al. Towards deep cellular phenotyping in placental histology. 1st Conference on medical imaging with deep learning. Amsterdam; 2018. 19 p.
  13. Rohith E., Sowmya V., Soman K.P. Convolutional neural networks for placenta cell classification. 2nd International conference on intelligent computing, instrumentation and control technologies (ICICICT). 2019: 1273-77. https://dx.doi.org/10.1109/ICICICT46008.2019.8993145
  14. Vanea C., Dˇzigurski J., Rukins V., Dodi O., Siigur S., Salumäe L. et al. HAPPY: A deep learning pipeline for mapping cell-to-tissue graphs across placenta histology whole slide images. bioRxiv preprint. https://dx.doi.org/10.1101/2022.11.21.517353
  15. Щеголев А.И., Туманова У.Н., Ляпин В.М., Серов В.Н. Синцитиотрофобласт ворсин плаценты в норме и при преэклампсии. Акушерство и гинекология. 2020; 6: 21-8.
  16. Zhou J., Yan P., Ma W., Li J. Cytokine modulation and immunoregulation of uterine NK cells in pregnancy disorders. Cytokine Growth Factor Rev. 2025; 81: 40-53. https://dx.doi.org/10.1016/j.cytogfr.2024.11.007
  17. Kulikova G.V., Ziganshina M.M., Shchegolev A.I., Sukhikh G.T. Comparative characteristics of the expression of fucosylated glycans and morphometric parameters of terminal placental villi depending on the severity of preeclampsia. Bull. Exp. Biol. Med. 2021; 172(1): 90-5. https://dx.doi.org/10.1007/s10517-021-05338-6
  18. Щеголев А.И., Ляпин В.М., Туманова У.Н., Воднева Д.Н., Шмаков Р.Г. Гистологические изменения плаценты и васкуляризация ее ворсин при ранней и поздней преэклампсии. Архив патологии. 2016; 1: 13-8.
  19. Dubova E.A., Pavlov K.A., Lyapin V.M., Shchyogolev A.I., Sukhikh G.T. Vascular endothelial growth factor and its receptors in the placental villi of pregnant patients with pre-eclampsia. Bull. Exp. Biol. Med. 2013; 154(6): 792-5. https://dx.doi.org/10.1007/s10517-013-2058-8
  20. Shchyogolev A.I., Dubova E.A., Pavlov K.A., Lyapin V.M., Kulikova G.V., Shmakov R.G. Morphometric characteristics of terminal villi of the placenta in pre-eclampsia. Bull. Exp. Biol. Med. 2012; 154(1): 92-5. https://dx.doi.org/10.1007/s10517-012-1883-5
  21. Воднева Д.Н., Романова В.В., Дубова Е.А., Павлов К.А., Шмаков Р.Г., Щеголев А.И. Клинико-морфологические особенности ранней и поздней преэклампсии. Акушерство и гинекология. 2014; 2: 35-40.
  22. Shchegolev A.I., Kulikova G.V., Lyapin V.M., Shmakov R.G., Sukhikh G.T. The number of syncytial knots and VEGF expression in placental villi in parturient woman with COVID-19 depends on the disease severity. Bull. Exp. Biol. Med. 2021; 171(3): 399-403. https://dx.doi.org/10.1007/s10517-021-05236-x
  23. Reyes L., Wolfe B., Golo T. Hofbauer cells: Placental macrophages of fetal origin. In: Kloc M., ed. Macrophages, results and problems in cell differentiation. Springer International Publishing AG; 2017: 45-60. https://dx.doi.org/10.1007/978-3-319-54090-0_3
  24. Fitzgerald E., Shen M., Yong H.E.J., Wang Z., Pokhvisneva I., Patel S. et al. Hofbauer cell function in the term placenta associates with adult cardiovascular and depressive outcomes. Nat. Commun. 2023; 14(1): 7120. https://dx.doi.org/10.1038/s41467-023-42300-8
  25. Tang Z., Buhimschi I.A., Buhimschi C.S., Tadesse S., Norwitz E., Niven-Fairchild T. et al. Decreased levels of folate receptor-beta and reduced numbers of fetal macrophages (Hofbauer cells) in placentas from pregnancies with severe pre-eclampsia. Am. J. Reprod. Immunol. 2013; 70(2): 104-15. https://dx.doi.org/10.1111/aji.12112
  26. Борис Д.А., Тютюнник В.Л., Кан Н.Е., Щеголев А.И., Синицына В.А., Садекова А.А., Красный А.М. Особенности изменения клеток моноцитарно-макрофагального звена в плаценте при преэклампсии. Акушерство и гинекология. 2021; 10: 48-54.
  27. Ben Amara A., Gorvel L., Baulan K., Derain-Court J., Buffat C., Verollet C. et al. Placental macrophages are impaired in chorioamnionitis, an infectious pathology of the placenta. J. Immunol. 2013; 191: 5501-14. https://dx.doi.org/10.4049/jimmunol.1300988
  28. Reyes L., Golos T.G. Hofbauer cells: Their role in healthy and complicated pregnancy. Front. Immunol. 2018; 9: 2628. https://dx.doi.org/10.3389/fimmu.2018.02628
  29. Ziganshina M.M., Kulikova G.V., Fayzullina N.M., Yarotskaya E.L., Shchegolev A.I., Shilova N.V. et al. Expression of fucosylated glycans in endothelial glycocalyces of placental villi at early and late fetal growth restriction. Placenta. 2020; 90: 98-102. https://dx.doi.org/10.1016/j.placenta.2019.12.005
  30. Dubova E.A., Alieva L.B., Baibarina E.N., Burkova A.S., Antonov A.G., Nagovitsyna M.N. et al. Morphology of placental villi and development of hemorrhages in very small preterm newborns. Bull. Exp. Biol. Med. 2012; 153(3): 389-92. https://dx.doi.org/10.1007/s10517-012-1723-7
  31. Щеголев А.И., Туманова У.Н., Серов В.Н. Роль плаценты в развитии поражений головного мозга новорожденного. Акушерство и гинекология. 2023; 8: 38-47.
  32. Nizyaeva N.V., Sukhacheva T.V., Kulikova G.V., Nagovitsyna M.N., Poltavtseva R.A., Kan N.E. et al. Ultrastructural characteristics of placental telocytes. Bull. Exp. Biol. Med. 2017; 162(5): 693-8. https://dx.doi.org/10.1007/s10517-017-3690-5
  33. Nizyaeva N.V., Sukhacheva T.V., Serov R.A., Kulikova G.V., Nagovitsyna M.N., Kan N.E. et al. Ultrastructural and immunohistochemical features of telocytes in placental villi in preeclampsia. Sci. Rep. 2018; 8(1): 3453. https://dx.doi.org/10.1038/s41598-018-21492-w
  34. Низяева Н.В., Щёголев А.И., Марей М.В., Сухих Г.Т. Интерстициальные пейсмекерные клетки. Вестник РАМН. 2014; 7-8: 17-24.
  35. Chou T., Goldstein J.A. How can artificial intelligence models advance placental biology? Placenta. 2025: S0143-4004(25)00081-5. doi: 10.1016/j.placenta.2025.03.010
  36. Huppertz B. The anatomy of the normal placenta. J. Clin. Pathol. 2008; 61(12): 1296-1302. https://dx.doi.org/10.1136/jcp.2008.055277
  37. Vanea C., Džigurski J., Rukins V., Dodi O., Siigur S., Salumäe L. et al. Mapping cell-to-tissue graphs across human placenta histology whole slide images using deep learning with HAPPY. Nat. Commun. 2024; 15(1): 2710. https://dx.doi.org/10.1038/s41467-024-46986-2
  38. Mobadersany P., Cooper L.A.D., Goldstein J.A. GestAltNet: aggregation and attention to improve deep learning of gestational age from placental whole-slide images. Lab. Invest. 2021; 101(7): 942-51. https://dx.doi.org/10.1038/s41374-21-00579-5
  39. Goldstein J.A., Nateghi R., Cooper L.A.D. Machine learning assessment of gestational age in accelerated maturation, delayed maturation, villous edema, chorangiosis, and intrauterine fetal demise. Arch. Pathol. Lab. Med. 2025; 149(6): 503-10. https://dx.doi.org/10.5858/arpa.2024-0274-OA
  40. Щеголев А.И. Современная морфологическая классификация повреждений плаценты. Акушерство и гинекология. 2016; 4: 16-23.
  41. Stevens D.U., Al-Nasiry S., Bulten J., Spaanderman M.E. Decidual vasculopathy and adverse perinatal outcome in preeclamptic pregnancy. Placenta. 2012; 33(8): 630-3. https://dx.doi.org/10.1016/j.placenta.2012.04.013
  42. Clymer D., Kostadinov S., Catov J., Skvarca L., Pantanowitz L., Cagan J. et al. Decidual vasculopathy identification in whole slide images using multiresolution hierarchical convolutional neural networks. Am. J. Pathol. 2020; 190(10): 2111-22. https://dx.doi.org/10.1016/j.ajpath.2020.06.014
  43. Becroft D.M., Thompson J.M., Mitchell E.A. The epidemiology of placental infarction at term. Placenta. 2002; 23(4): 343-51. https://dx.doi.org/10.1053/plac.2001.0777
  44. Goldstein J.A., Nateghi R., Irmakci I., Cooper L.A.D. Machine learning classification of placental villous infarction, perivillous fibrin deposition, and intervillous thrombus. Placenta. 2023; 135: 43-50. https://dx.doi.org/10.1016/j.placenta.2023.03.003
  45. Jung Y.M., Park S., Ahn Y., Kim H., Kim E.N., Park H.E. et al. Identification of preeclamptic placenta in whole slide images using artificial intelligence placenta analysis. J. Korean Med. Sci. 2024; 39(39): e271. https://dx.doi.org/10.3346/jkms.2024.39.e271
  46. Jacobs A., Al-Juboori S.I., Dobrinskikh E., Bolt M.A., Sammel M.D., Lijewski V. et al. Placental differences between severe fetal growth restriction and hypertensive disorders of pregnancy requiring early preterm delivery: morphometric analysis of the villous tree supported by artificial intelligence. Am. J. Obstet. Gynecol. 2024; 231(5): 552.e1-552.e13. https://dx.doi.org/10.1016/j.ajog.2024.02.291
  47. Chou T., Senkow K.J., Nguyen M.B., Patel P.V., Sandepudi K., Cooper L.A. et al. Quantitative modeling to characterize maternal inflammatory response of histologic chorioamnionitis in placental membranes. Am. J. Reprod. Immunol. 2024; 92(4): e13944. https://dx.doi.org/10.1111/aji.13944
  48. Sharma A., Nateghi R., Ayad M., Cooper L.A.D., Goldstein J.A. Machine learning identification of maternal inflammatory response and histologic choroamnionitis from placental membrane whole slide images. arXiv:2411.02354. https://dx.doi.org/10.48550/arXiv.2411.02354
  49. Ayad M.A., Nateghi R., Sharma A., Chillrud L., Seesillapachai T., Chou T. et al. Deep learning for fetal inflammatory response diagnosis in the umbilical cord. Placenta. 2025; 167: 1-10. https://dx.doi.org/10.1016/j.placenta.2025.04.013
  50. Щеголев А.И., Туманова У.Н., Серов В.Н. Хориоамнионит: диагностика и роль в развитии осложнений беременности и плода. Акушерство и гинекология. 2024; 2: 5-14.
  51. Catov J., Muldoon M., Gandley R., Brands J., Hauspurg A., Hubel C.A. et al. Maternal vascular lesions in the placenta predict vascular impairments a decade after delivery. Hypertension. 2022; 79 (2): 424-34. https://dx.doi.org/10.1161/HYPERTENSIONAHA.121.18394
  52. Liu Z., Tang Z., Li J., Yang Y. Effects of placental inflammation on neonatal outcome in preterm infants. Pediatr. Neonatol. 2014; 55(1): 35-40. https://dx.doi.org/10.1016/j.pedneo.2013.05.007
  53. Щеголев А.И., Туманова У.Н., Шувалова М.П., Фролова О.Г. Сравнительный анализ мертворождаемости в Российской Федерации в 2010 и 2012 гг. Российский вестник перинатологии и педиатрии. 2015; 3: 58-62.
  54. Туманова У.Н., Шувалова М.П., Щеголев А.И. Хориоамнионит и ранняя неонатальная смертность (по данным Росстата в 2012–2016 годах). Международный журнал прикладных и фундаментальных исследований. 2018; 8: 49-53.
  55. Щеголев А.И., Туманова У.Н., Ляпин В.М. Нарушения структуры и васкуляризации ворсин плаценты при задержке роста плода. Современные проблемы науки и образования. 2018; 4: 231.
  56. Щеголев А.И., Туманова У.Н., Ляпин В.М. Нарушения структуры и васкуляризации ворсин плаценты при преэклампсии. Гинекология. 2018; 20(4): 12-8.
  57. Dubova E.A., Pavlov K.A., Yesayan R.M., Nagovitsyna M.N., Tkacheva O.N., Shestakova M.V. et al. Morphometric characteristics of placental villi in pregnant women with diabetes. Bull. Exp. Biol. Med. 2011; 151(5): 650-4. https://dx.doi.org/10.1007/s10517-011-1406-9
  58. Dubova E.A., Pavlov K.A., Borovkova E.I., Bayramova M.A., Makarov I.O., Shchegolev A.I. Vascular endothelial growth factor and its receptors in the placenta of pregnant women with obesity. Bull. Exp. Biol. Med. 2011; 151(2): 253-8. https://dx.doi.org/10.1007/s10517-011-1302-3
  59. Щеголев А.И., Дубова Е.А., Павлов К.А., Есаян Р.М., Шестакова М.В., Сухих Г.Т. Сравнительная иммуногистохимическая оценка фактора роста эндотелия сосудов и его рецепторов в ворсинах плаценты при гестационном и сахарном диабете 1-го типа. Архив патологии. 2013; 5: 13-8.
  60. Borovkova E.I., Shchegolev A.I. Vascular endothelial growth factor and its receptors in the placenta of gravidas with obesity. Research Journal of Pharmacy and Technology. 2018; 11(3): 1153-8. https://dx.doi.org/10.5958/0974-360X.2018.00215.9
  61. Kothari S., Phan J.H., Wang M.D. Eliminating tissue-fold artifacts in histopathological whole-slide images for improved image-based prediction of cancer grade. J. Pathol. Inform. 2013; 4: 22. https://dx.doi.org/10.4103/2153-3539.117448

Поступила 14.05.2025

Принята в печать 02.06.2025

Об авторах / Для корреспонденции

Туманова Ульяна Николаевна, д.м.н., в.н.с. 2-го патологоанатомического отделения, врач-рентгенолог отделения лучевой диагностики,
НМИЦ АГП им. акад. В.И. Кулакова Минздрава России, 117997, Россия, Москва, ул. Ак. Опарина, д. 4, +7(495)531-44-44, thanatoradiology@gmail.com,
https://orcid.org/0000-0002-0924-6555
Туманов Никита Алексеевич, магистрант, МИРЭА – Российский технологический университет, 119454, Россия, Москва, пр-т Вернадского, д. 78, toomuchick@gmail.com
Щеголев Александр Иванович, д.м.н., профессор, заведующий 2-м патологоанатомическим отделением, НМИЦ АГП им. акад. В.И. Кулакова Минздрава России,
117997, Россия, Москва, ул. Ак. Опарина, д. 4, +7(495)531-44-44, ashegolev@oparina4.ru, https://orcid.org/0000-0002-2111-1530
Серов Владимир Николаевич, академик РАН, д.м.н., профессор, Президент РОАГ, главный н.с. организационно-методического отдела службы научно-организационного обеспечения, НМИЦ АГП им. акад. В.И. Кулакова Минздрава России, 117997, Россия, Москва, ул. Ак. Опарина, д. 4, v_serov@oparina4.ru

Также по теме

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.