УДК: 618.19 – 006.6 + 572.7 : 312/313

ИДЕНТИФИКАЦИЯ СТРОМАЛЬНОГО КОМПОНЕНТА ТКАНИ МОЛОЧНОЙ ЖЕЛЕЗЫ В НОРМЕ И ПРИ ПАТОЛОГИИ С ПОМОЩЬЮ ПОСЛЕДОВАТЕЛЬНОГО АНАЛИЗА МОРФОМЕТРИЧЕСКИХ ДАННЫХ

© 2003 г. С. Ю. Абросимов, Л. Л. Лямец

Литературные данные о сопряженности процессов трансформации паренхиматозного и стромального компонентов молочной железы в условиях нормы и опухолевого роста подразумевают существование особенностей стромы при разных состояниях структурного гомеостаза. Без адекватного математико-статистического анализа, учитывающего многообразие возможных клеточных рекомбинаций стромы эта мысль может иметь лишь гипотетическое значение. Методологические подходы, примененные в данном исследовании позволили создать модель распознавания стромы по категоризированным многомерным количественным признакам клеточных популяций и эмпирическим вероятностям их встречаемости в зависимости от изучаемого процесса.

Математико-статистическая многомерная модель, основанная на последовательном анализе клеточных рекомбинаций в полях зрения, позволяет идентифицировать стромальный компонент ткани молочной железы в норме, при ФКБ и РМЖ.

Ключевые слова: молочная железа, строма, статистический анализ.

Сопряженность изменений в паренхиме и строме, обусловленная реализацией структурного гомеостаза в норме и при патологии имеет свое подтверждение в научных работах [2, 4, 7, 8, 9]. Однако, сложившиеся подходы к изучению гистоструктуры опухолей с позиции паренхиматозно-стромальных взаимоотношений сводятся, как правило, к рассмотрению преимущественно паренхиматозного компонента, особенности которого носят бесспорно более выраженный характер, по сравнению со стромальным. Сведения об изменениях в стромальном компоненте эпителиальных опухолей крайне ограничены, чаще носят описательный характер и имеют минимальное прикладное значение. Это, видимо, связано с трудностью практической оценки многообразия клеточных рекомбинаций [10], выражающихся в вариациях множественных признаков при разных патологических процессах. Количественный учет таких признаков возможен при применении морфометрических методов исследования [1].

Поиск адекватных путей оценки морфометрических данных, направленный на идентификацию стромального компонента в зависимости от состояния структурного гомеостаза в норме и при патологии, является актуальным аспектом как фундаментальной, так и прикладной морфологии.

Целью исследования явилось выяснение возможности идентификации стромального компонента ткани молочной железы в норме, при фиброзно-кистозной болезни и раке при помощи многомерных признаков, описывающих количественные сочетания клеточных элементов стромы.

Использовалась ткань молочной железы (МЖ) с верифицированной нормой – 20 случаев (далее по тексту - выборочная совокупность (ВС) - V1), фиброзно-кистозной мастопатии – 44 случая (ВС - V2), рака молочной железы (РМЖ) – 49 случаев. При РМЖ в каждом случае выделяли видимую макроскопически границу опухоли с неизмененными тканями (ВС - V3) и центр опухоли (ВС - V4).

Биологический материал фиксировали в 10% нейтральном формалине с последующей стандартной проводкой и заливкой в парафин. Из полученных блоков готовили серийные срезы толщиной 7 мкм, окрашивали гематоксилином и эозином и использовали для морфометрических целей. В каждом случае в 10 полях зрения при увеличении микроскопа х900 (масляная иммерсия) подсчитывали абсолютные значения фибробластов (Фб), фиброцитов (Фц), лимфоцитов (Лф), макрофагов (Мф) и плазматических клеток (Пл) вокруг сосудов микроциркуляторного русла (МЦР): артериол, капилляров и венул отдельно. Всего просчитано 1570 полей зрения.

Изложенные ниже методы статистического анализа применялись для каждой пары ВС ViVk. Статистические гипотезы проверялись на уровне значимости a =0.05.

При помощи непараметрического критерия Mann-Whitney [11] был проведен статистический анализ сопоставимых статистических рядов (СР), то есть статистических рядов одноименных клеточных элементов, наблюдаемых около однотипных отрезков микроциркуляторного русла. В результате было выявлено отличительное множество значимо различающихся СР (ОМСР), которое можно рассматривать как многомерный признак, позволяющий судить о различиях стромы для пары ВС ViVk.

По критерию Колмогорова-Смирнова [11] для СР, входящих в ОМСР, была вычислена точка наибольшего расхождения между эмпирическими кумулятивными функциями, которая в дальнейшем рассматривалась в качестве порога. Вычисленный порог позволил осуществить категоризацию СР по следующему правилу: всем вариантам СР, не превышающим порога, присваивался символ “1”, а превышающим порог – “2”. Катерогоризация позволила перейти от количественной шкалы измерения (подсчета) клеточных элементов в СР к дихотомической, а также получить категоризированные ОМСР (КОМСР), которые можно рассматривать как многомерные признаки. Максимальное число градаций n-мерного КОМСР равно m=2n. Например, если для пары ВС ViVk ОМСР включает в себя три СР (n=3) по Фб, Фц, Лф, то одна из восьми возможных градаций КОМСР , , может иметь вид: =(121), другая – (111), третья – (112) и так далее. Символы первой указанной градации признака обозначают соответственно: количество Фб не превышает порога, количество Фц превышает порог, количество Лф не превышает порога; символы второй градации обозначают соответственно: количество Фб не превышает порога, количество Фц не превышает порога, количество Лф не превышает порога и так далее.

В результате статистического анализа были вычислены относительные частоты градаций КОМСР в ВС Vi и Vk. При помощи точного критерия Фишера были отобраны только статистически значимо различающиеся градации КОМСР. Число таких градаций может быть . Для них вычислялись диагностические коэффициенты (ДК) по формуле [5, 6].

, (1)

где () - градация КОМСР, относительные частоты встречаемости которой в Vi и Vk различаются значимо;

- относительная частота встречаемости градации в ВС Vi;

- относительная частота встречаемости градации в ВС Vk;

В формуле (1) ВС Vi относится к более тяжелому состоянию, по сравнению с Vk. По тяжести проявления изучаемые ВС упорядочивались от менее тяжелой к наиболее тяжелой в следующей последовательности V1 V2 V3 V4.

Описанная выше методика статистического анализа позволила для каждой пары ВС ViVk создать математическую модель, в соответствии с которой каждому реально наблюдаемому в поле зрения количественному сочетанию (рекомбинации) клеточных элементов можно поставить в соответствие некоторую градацию многомерного признака (КОМСР) и указать для нее значение .

Для проверки предположения о возможности идентификации стромального компонента ВС Vi и Vk по сформированному многомерному признаку использовался последовательный анализ полей зрения, математическую основу которого составляют последовательный анализ [3] и последовательная диагностическая процедура [5, 6]. Для проведения указанного анализа сначала по очереди выбирались препараты, относящиеся к ВС Vi. В выбранном препарате из ВС Vi в первом поле зрения оценивалась морфологическая картина, определялась градация многомерного признака и соответствующий ей диагностический коэффициент . Затем проводился аналогичный анализ следующего поля зрения и определялся диагностический коэффициент , который суммировался с предыдущим. По каждому образцу анализировалось 10 полей зрения и вычислялась сумма диагностических коэффициентов.

При проведении последовательного анализа полей зрения идентификация стромального компонента по сути сводилась к принятию решения об отнесении анализируемого материала к ВС Vi или Vk. С этой целью после анализа очередного поля зрения, полученная сумма диагностических коэффициентов сравнивалась с верхним (ВП) и нижним (НП) теоретическим порогом, которые вычислялись по формулам:

; , (2)

где - теоретическая ошибка первого рода, - теоретическая ошибка второго рода.

При выбранном условии значения теоретических порогов составили , . Решение об идентификации стромального компонента принималось по следующему правилу: если сумма диагностических коэффициентов на определенном шаге анализа превышала ВП, то принималось решение об отнесении исследуемого образца к ВС Vi, если сумма диагностических коэффициентов на определенном шаге анализа оказывалась меньше НП, то принималось решение об отнесении исследуемого образца к ВС Vk. В случае, если сумма ДК после анализа 10 полей зрения оставалась в интервале между НП и ВП, то решение об идентификации стромы в данном препарате не принималось.

Условие принятия решения при использовании последовательного диагностического алгоритма имеет вид неравенства:

. (3)

После анализа всех препаратов, относящихся к ВС Vi вычислялись проценты правильных решений, не принятых решений и ошибочных решений первого рода.

Аналогичный анализ был проведен для препаратов, относящихся к ВС Vk. В результате также были вычислены проценты правильных решений, не принятых решений и ошибочных решений второго рода.

Статистическая обработка морфометрического материала по критериям Mann-Whitney, Колмогорова-Смирнова, точному критерию Фишера проводилась с помощью математических пакетов Statgraphics Plus, NCSS, SPSS. Для автоматизации процесса последовательного анализа морфологической картины в полях зрения, подсчета процентов правильных решений, не принятых решений и ошибочных решений первого и второго рода использовались возможности табличного процессора Microsoft Excel.

Проверка работы предложенного решающего алгоритма на гистологическом материале по десяти полям зрения приведена в таблицах 1 и 2, где “а” - артериолы, “к” - капилляры, “в” - венулы; Vi - Vk - пары ВС, причем Vi – более тяжелое состояние по сравнению с Vk. Иерархия ВС по степени тяжести была указана выше. В ячейках таблиц указаны результаты принятых на его основе решений в процентах.

Таблица 1

Результаты последовательного анализа полей зрения в препаратах ВС Vi

РЕЗУЛЬТАТ ПРОВЕРКИ

V4-V3

V4-V2

V4-V1

V3-V2

V3-V1

V2-V1

а

в

а

к

в

а

к

в

а

к

в

а

к

в

а

к

в

Правильное решение (%)

24,5

8,2

81,6

77,5

73,4

79,6

79,6

77,5

77,5

79,6

63,3

77,6

81,6

85,7

22,7

20,5

0,0

Решение не принято (%)

65,3

91,8

12,2

18,4

8,2

12,2

14,3

14,3

14,3

14,3

20,4

22,4

4,1

6,1

72,8

79,5

100,0

Ошибка 1-го рода (%)

10,2

0,0

6,1

4,1

18,4

8,2

6,1

8,2

8,2

6,1

16,3

0,0

14,3

8,2

4,5

0,0

0,0

 

Таблица 2

Результаты последовательного анализа полей зрения в препаратах ВС Vk

РЕЗУЛЬТАТ ПРОВЕРКИ

V4-V3

V4-V2

V4-V1

V3-V2

V3-V1

V2-V1

а

в

а

к

в

а

к

в

а

к

в

а

к

в

а

к

в

Правильное решение (%)

18,4

0,0

77,2

77,3

91,0

90,0

95,0

90,0

75,0

75,0

86,4

75,0

95,0

80,0

40,0

15,0

0,0

Решение не принято (%)

69,4

95,9

11,4

6,8

4,5

10,0

5,0

5,0

18,2

13,6

9,0

0,0

5,0

15,0

60,0

80,0

100,0

Ошибка 2-го рода (%)

12,2

4,1

11,4

15,9

4,5

0,0

0,0

5,0

6,8

11,4

4,6

5,0

0,0

5,0

0,0

5,0

0,0

 

Анализ табличных данных показывает, что идентификация стромы, основанная на количественном описании морфологической картины, наблюдаемой в полях зрения, при помощи ДК и решающего правила (3) осуществляется достаточно эффективно. Особенно это касается следующих пар ВС: V1V3; V1V4; V2V3 и V2V4. Указанные пары ВС имеют достаточно высокий процент правильных решений, принимаемых при применении решающего правила (3) как к препаратам из ВС Vi . (от 63,3% до 85,7%), так и к препаратам из ВС Vk (от 75,0% до 95,0%) Данные результаты свидетельствуют о том, что предложенный многомерный анализ и основанное на нем решающее правило (3) позволяет с высокой вероятностью идентифицировать стромальный компонент тканей молочной железы и может использоваться для распознавания его в норме и при фиброзно-кистозной болезни от стромы центра и периферии РМЖ. Это значит, что полученные в данном исследовании ДК обладают выраженными маркерными признаками.

Следует отметить, что распознавание стромы по ДК, вычисленным вокруг артериол, капилляров и венул дает примерно одинаковые результаты, что подтверждает состоятельность решающего правила (3), но не означает идентичности морфологической картины вокруг разных отрезков микроциркуляторного русла. Качественные различия структуры стромы вокруг артериол, капилляров и венул находят свое отражение в полученных в результате статистического анализа ОМСР для каждой пары ВС.

Однако при рассмотрении тканей стромы молочной железы в норме и фиброзно-кистозной болезни, тканей периферии и центра РМЖ (ВС V1V2 и V3V4) характерен низкий процент идентификации стромального компонента, при том что на основании предложенного алгоритма в таких случаях значительно чаще не принималось никакого решения, чем принималось ошибочное решение. По нашему мнению - это косвенное свидетельство подобия процессов, разворачивающихся в строме МЖ при близких гомеостатических состояниях, возникающих при норме и ФКБ и при сравнении периферии и центральных отделов РМЖ.

Предложенная модель идентификации стромы имеет возможности к совершенствованию. Она позволяет вводить новые количественные, порядковые и качественные признаки, описывающие морфологическую картину стромального компонента в норме и при патологических процессах. Кроме того, возможно изменение порогов принятия решений в решающем правиле (3) с учетом априорной вероятности встречаемости изучаемых нозологических форм.

Учитывая, что статистический анализ стромы проводился на основе изучения процессов, верифицированных по эпителиальному компоненту, полученные результаты являются еще одним подтверждением сопряженности паренхиматозно-стромальных взаимоотношений.

 

Выводы

1. Сформированные многомерные признаки позволяют судить о значимости различий относительных частот встречаемости клеточных рекомбинаций в стромальном компоненте ткани МЖ при норме и изученных патологических состояниях.

2. Относительные частоты встречаемости клеточных рекомбинаций несут информацию об особенностях стромального компонента и могут использоваться в последовательном статистическом анализе морфометрических данных.

3. Последовательный анализ клеточных рекомбинаций в полях зрения позволяет идентифицировать стромальный компонент ткани молочной железы в норме, при ФКБ и РМЖ.

ЛИТЕРАТУРА

1. Автандилов Г.Г. // Диагностическая медицинская морфометрия.- М.: РМАПО, 2002.- C. 4-24.

2. Бехтерева И.А. Гистоархитектоника вегетативных нервных терминалей и их клеточное окружение в тканях рака молочной железы до и после лучевой терапии. Дис. ... канд. мед. наук.- Смоленск, 1997.

3. Вальд А. Последовательный анализ/ Пер. с англ. П.А. Бакута; под ред. Б.А. Севастьянова.- М.: Физматгиз, 1960.

4. Голубев О.А. Взаимоотношения сосудистого компонента коммуникационных систем и внутритканевых регуляторов при раке молочной железы: Дис. ... д-ра. мед. наук.- Смоленск, 2001.

5. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов.- Л.: Медицина, 1978.

6. Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии.- Л.: Медицина, 1990.

7. Дикштейн Е.А., Василенко И.В. //Аpх. пат.-1987.- N6.- С. 87-94.

8. Доpосевич А.Е. Паpенхиматозно-стpомальные взаимоотношения пpи pаке молочной железы до и после лучевой теpапии (гистологическое и иммуномоpфологическое исследование): Дис. ... д-ра. мед. наук.- Смоленск, 1987.

9. Зарудин В.В. // Современные представления о паренхиматозно-стромальных взаимоотношениях при предраках и раках различной локализации и их клиническое значение./ Под ред. В.В. Зарудина, А.Е. Доросевича.- Смоленск: СГМИ, 1983.- С. 4-12.

10. Саркисов Д.С. // Материалы методологически-философского семинара.- М.: “Медицина и милосердие”, 1994.- С. 2-36.

11. Сидоренко Е.В. Методы математической обработки в психологии.- Санкт-Петербург: Изд-во “Речь”, 2000.

 

THE IDENTIFICATION OF STROMAL COMPONENT FABRICS OF MAMMARY GLAND IN RATE AND AT PATHOLOGY BY MEANS OF CONSEQUENT ANALYSIS OF MORPHOMETRIC DATA

S. Yu. Abrosimov, L. L. Lyamets

Literary given about synchronism of processes of parenchimal and stromal components transformation of mammary gland in conditions of rate and tumor growth imply existence of stroma particularities under different conditions of structured homeostasis. Without identical mathematician-statistical analysis, taking into account variety of possible cellular recombinations of stroma this mind can have hypothetical importance only. The мethodological approaches aplying in our study have allowed to create the model of stroma recognition on multivariate quantitative signs of celluar populations and empirical probabilityes their presence depending on under study process.

The Mathematician-statistical multivariate model, founded on consequent analysis celluar recombinations in floors of vision, allows to identify of stromal component in tissue of mammary gland in rate, under displasia and breast cancer.

Department of pathological anatomy of Smolensk State medical academy, 214019, Smolensk. Smolensk regional institute of pathology, 214018, Smolensk

Кафедра патологической анатомии

Смоленская государственная медицинская академия

Смоленский областной институт патологии

Поступила в редакцию 19.03.2003.