Reproducibility of cytological diagnoses in evaluating liquid cervical smears and immunocytochemical co-expression of p16/Ki-67 using manual and automatic methods

Cover Page

Cite item

Abstract

Aim. To assess the reproducibility of cytological diagnoses in evaluating liquid cervical smears and immunocytochemical co-expression of p16/Ki-67 using manual and automatic methods.

Materials and methods. Cytological smears prepared using the liquid cytology method on the Becton Dickinson device (SurePath technology) were studied. An immunocytochemical study was carried out using a Ventana BenchMark Ultra automatic immunostainer with a commercial CINtec kit (determination of p16/Ki-67 co-expression). In total, 100 cytological slides (50 pairs of Pap-smears and immunocytochemical slides) were studied. The diagnostic kit was reviewed by five cytologists independently, and the cytologic slides were evaluated using four categories according to the Bethesda system (2014) and according to the categories of normal/abnormal. The co-expression of p16/Ki-67 was assessed per the manufacturer's recommendations (Roche) using the manual method (light microscope) and the automatic Vision Cyto Pap ICC system. Statistical processing of the results was performed using the SPSS software package version 26.0.0.0 with the calculation of the reproducibility indices of Cohen's kappa and Fleiss' kappa.

Results. When assessing the reproducibility of four categories of cytological diagnoses according to the Bethesda system (2014), Cohen's kappa was 0.048–0.265. The overall Fleiss' kappa between all cytologists was 0.103. When only two categories (normal/abnormal) were used, the reproducibility ranged from 0.058 to 0.377. When assessing the co-expression of p16 and Ki-67, Cohen's kappa reproducibility was from 0.196 to 0.574, while the overall Fleiss' kappa was 0.407. When comparing the evaluation results of each of the cytologists with the neural network, Cohen's kappa reproducibility ranged from 0.103 to 0.436.

Conclusion. The reproducibility of cytological diagnoses according to the Bethesda system (2014) and two categories (normal/abnormal) based on the Pap smear study was low. Such results are primarily due to a large number of abnormal smears in the study. The immunocytochemical method has diagnosis reproducibility three times higher, indicating the need to measure the co-expression of p16 and Ki-67 to increase the sensitivity and specificity of the cytological method. Similar reproducibility when comparing the manual and automatic evaluation of the "double label" suggests that the neural network algorithm can currently help in decision support rather than replace the cytologist at the diagnostic stage.

Full Text

Введение

Цитологическое исследование мазков шейки матки с окраской по Папаниколау является основополагающим методом скрининга рака шейки матки в Российской Федерации (в соответствии с Приказом Минздрава России от 20.10.2020 №1130н). Данный метод, хотя и не является самым эффективным, все же продемонстрировал значительные результаты в развивающихся странах и позволил значительно снизить заболеваемость раком шейки матки за последние 40 лет [1, 2]. В то же время ПАП-тест подвергается критике в связи с довольно низкой чувствительностью и воспроизводимостью диагнозов между цитологами, даже при наличии значительного практического опыта [3–5]. Следует отметить, что в последние годы все чаще в практику клинического цитолога включаются дополнительные методы, позволяющие улучшить точность диагностики интраэпителиальной патологии шейки матки. Прежде всего речь идет о иммуноцитохимическом исследовании коэкспрессии р16 и Ki-67, доступном в виде коммерческих наборов. В ряде исследований показано, что воспроизводимость диагнозов с применением иммуноцитохимических исследований повышается [6, 7]. Также в последнее десятилетие разработано множество систем автоматического анализа цитологических мазков для поддержки принятия решений. Применение таких систем призвано повысить воспроизводимость цитологических диагнозов, и в некоторых исследованиях удалось показать положительные результаты [8–11].

Несмотря на успех первичного скрининга на вирус папилломы человека (ВПЧ) во многих развитых странах и перечисленные недостатки, цитологический скрининг продолжает оставаться ведущим методом скрининга в России, однако исследований воспроизводимости цитологических диагнозов в российской популяции практически не проводилось [12]. А воспроизводимость диагнозов с применением «двойной метки» и автоматической оценки в России не исследовалась совсем. В связи с этим решено провести исследование воспроизводимости цитологических диагнозов, поставленных несколькими цитологами при изучении мазков, окрашенных по Папаниколау, воспроизводимости оценки двойного окрашивания на р16 и Ki-67, а также результатов, полученных при применении автоматической системы оценки шеечных мазков.

Материалы и методы

Проведенное исследование – поперечное, исследовались цитологические мазки, окрашенные по Папаниколау, приготовленные методом жидкостной цитологии по системе SurePаth (Becton Dickinson) в 1-м патологоанатомическом отделении ФГБУ «НМИЦ АГП им. В.И. Кулакова» в период с 1 января 2019 по 1 января 2022 г. Для оценки воспроизводимости отобраны 100 мазков (50 пар ПАП-мазок–иммуноцитохимический препарат), которые просматривались 5 цитологами с опытом работы в области гинекологической клинической цитологии не менее 3 лет. Цитологические заключения давались по системе Бетесда (2014 г.), а также с выделением категорий норма/патология. В качестве иммуноцитохимического исследования экспрессии р16 и Ki-67 применялся коммерческий набор CINtec (Roche, США), иммуностейнер Ventana BenchMark Ultra, а для оценки автоматического определения «двойной метки» (коэкспрессии р16 и Ki-67) использовался дополнительный модуль Vision Cyto Pap ICC (Вест Медика, Россия). Коэкспрессию р16 и Ki-67 считали положительной при наличии хотя бы одной клетки с красным окрашиванием ядра и коричневым окрашиванием ядра/цитоплазмы. Данный порог в 1 позитивную клетку применялся как для ручного, так и для автоматического метода оценки иммуноцитохимических препаратов. При неверном определении коэкспрессии нейросетью положительный результат не выбраковывался вне зависимости от количества найденных позитивных клеток (рис. 1).

 

Рис. 1. Примеры автоматической оценки экспрессии р16 и Ki-67. Верхний ряд: ложноположительная интерпретация: есть клетки с позитивной экспрессией Ki-67 (красное окрашивание) и позитивной экспрессией р16 (коричневое окрашивание), но совместной экспрессии маркеров нет. Нижний ряд: верная интерпретация, есть клетки с одновременным красным и коричневым окрашиванием, положительная «двойная метка».

Fig. 1. Examples of automatic evaluation of p16 and Ki-67 expression. Top row: false positive interpretation; there are cells with positive expression of Ki-67 (red staining) and positive expression of p16 (brown staining) but no co-expression of markers. Bottom row: correct interpretation, there are cells with simultaneous red and brown staining, positive "double label."

 

В качестве статистического критерия использовалась каппа Коэна при попарных сравнениях диагнозов между цитологами или между цитологом и нейросетью и каппа Флейса при оценке воспроизводимости диагнозов между всеми цитологами. Оценивалась воспроизводимость диагнозов по категориям NILM, ASC-US, LSIL, HSIL, а также по категориям норма/патология (для цитологических мазков, окрашенных по Папаниколау); и по категориям «двойная метка» позитивная/«двойная метка» негативная (для иммуноцитохимических препаратов). Каждый из цитологов оценивал наборы цитологических и иммуноцитохимических препаратов независимо друг от друга. Для всех препаратов, в которых установлен диагноз HSIL, доступны гистологические препараты, подтверждающие диагноз HSIL (диагноз ставился опытным гинекологическим патологом). Оценка уровня воспроизводимости проводилась по следующей шкале: 0,00–0,20 – низкая; 0,21–0,40 – удовлетворительная; 0,41–0,60 – средняя; 0,61–0,80 – хорошая; 0,81–1,00 – отличная [13]. Статистическая обработка полученных результатов проводилась с помощью пакета программного обеспечения SPSS версии 26.0.0.0.

Результаты

При оценке воспроизводимости четырех категорий цитологических диагнозов по системе Бетесда выявлено, что уровень коэффициента каппа Коэна составил 0,048–0,265, т.е. находился на низком уровне. Общая каппа Флейса между всеми цитологами составила 0,103 (низкий уровень воспроизводимости); табл. 1.

 

Таблица 1. Воспроизводимость цитологических диагнозов по системе Бетесда (2014 г.)

Table 1. Reproducibility of cytological diagnoses according to Bethesda system (2014)

 

Цитолог 2

Цитолог 3

Цитолог 4

Цитолог 5

Цитолог 1

0,216 (<0,001)

0,265 (<0,001)

*-0,003 (0,946)

0,055 (0,126)

Цитолог 2

 

0,274 (<0,001)

0,163 (0,009)

0,05 (0,347)

Цитолог 3

  

0,098 (0,163)

0,048 (0,026)

Цитолог 4

   

0,017 (0,596)

Каппа Флейса между всеми цитологами

0,103

р<0,001

Здесь и в табл. 2: *маркер очень низкого согласия между исследователями.

 

При выделении только двух категорий (норма и патология) уровень воспроизводимости составил от 0,058 до 0,377, т.е. от низкой до удовлетворительной (табл. 2).

 

Таблица 2. Воспроизводимость цитологических диагнозов при выделении групп нормы и патологии (бинарной оценке)

Table 2. Reproducibility of cytological diagnoses using normal/abnormal categories (binary assessment)

 

Цитолог 2

Цитолог 3

Цитолог 4

Цитолог 5

Цитолог 1

0,244 (0,004)

0,377 (<0,001)

0,058 (0,518)

0,124 (0,026)

Цитолог 2

 

0,354 (<0,001)

0,301 (0,003)

0,124 (0,150)

Цитолог 3

  

0,188 (0,05)

0,187 (0,002)

Цитолог 4

   

*-0,042 (0,597)

Каппа Флейса между всеми цитологами

0,174

p<0,001

 

При определении «двойной метки» выявлены следующие результаты: при оценке коэкспрессии р16 и Ki-67 выявлена воспроизводимость по каппе Коэна от 0,196 до 0,574, т.е. от низкой до средней, при этом общая каппа Флейса составила 0,407 (средняя); табл. 3.

 

Таблица 3. Воспроизводимость оценки коэкспрессии р16 и Ki-67

Table 3. Reproducibility of p16 and Ki-67 co-expression evaluation

 

Цитолог 2

Цитолог 3

Цитолог 4

Цитолог 5

Цитолог 1

0,345 (<0,001)

0,432 (<0,001)

0,520 (<0,001)

0,525 (<0,001)

Цитолог 2

 

0,574 (<0,001)

0,196 (0,003)

0,497 (<0,001)

Цитолог 3

  

0,325 (<0,001)

0,567 (<0,001)

Цитолог 4

   

0,351 (<0,001)

Каппа Флейса между всеми цитологами

0,407

p<0,001

 

При сопоставлении результатов оценки каждым из цитологов с нейросетью воспроизводимость по каппе Коэна составила от 0,103 до 0,436 (от низкой до средней); табл. 4.

 

Таблица 4. Воспроизводимость оценки коэкспрессии p16 и Ki-67 между цитологами и нейросетью

Table 4. Reproducibility of p16 and Ki-67 co-expression evaluation between cytologists and neural network

 

Цитолог 1

Цитолог 2

Цитолог 3

Цитолог 4

Цитолог 5

Нейросеть

0,334 (<0,001)

0,103 (<0,046)

0,248 (<0,001)

0,436 (<0,001)

0,295 (<0,001)

 

Обсуждение

Цитологическое исследование ПАП-мазка остается одной из самых распространенных стратегий скрининга рака шейки матки в мире, особенно в странах с невысоким экономическим уровнем [14–17]. Известно, что от момента заражения ВПЧ до развития тяжелого поражения шейки матки (HSIL) проходит в среднем 8–10 лет. Таким образом, даже в случае пропуска патологии при первом и даже при втором раунде скрининга все еще остается значительная возможность детекции поражения шейки матки на ранних стадиях [18]. Следует отметить, что традиционный метод приготовления мазка является очень бюджетным исследованием, однако именно жидкостный метод позволяет достичь высокого охвата скрининговым обследованием даже при небольшом количестве высококвалифицированных клинических цитологов, подготовка которых требует значительного количества времени и ресурсов. Показано, что переход на жидкостную технологию приготовления цитологических мазков позволил достичь снижения неопределенных результатов (ASC), увеличения чувствительности и специфичности цитологического метода, а также дал возможность выполнять дополнительные исследования из того же материала, фиксированного в транспортной жидкости виалы (иммуноцитохимическое определение р16 и Ki-67, ВПЧ-типирование) [19–21]. Поэтому, несмотря на высокую стоимость оборудования для жидкостной цитологии, более высокую стоимость расходных материалов, необходимость дополнительного обучения цитологов и цитотехнологов, многие лаборатории успешно внедрили данную методику в свой диагностический процесс, в том числе в России [22].

Наиболее распространенными технологиями для производства жидкостной цитологии в мире, а затем и в России стали ThinPrep (Hologic), SurePath (Becton Dickinson) и CellPrep (Byodyne). Технологии ThinPrep и CellPrep основаны на методе прямой фильтрации, в то время как технология SurePath предполагает предварительное центрифугирование для достижения более «чистых» мазков, лишенных примесей и избыточного количества воспалительных клеток и форменных элементов крови. В настоящем исследовании применялась именно технология SurePath. Следует отметить, что данная технология предполагает выраженное «закругление» клеточных комплексов и краев клеток, что делает их менее похожими на клетки, характерные для традиционных мазков, чем такие технологии, как ThinPrep и CellPrep [23]. В связи с этим клинические цитологи, которые проводят диагностику патологии шейки матки с применением мазков SurePath, должны пройти специальное обучение. Все пять цитологов, принимавших участие в данном исследовании, имеют соответствующие сертификаты, свидетельствующие о том, что они прошли такое обучение.

Тем не менее воспроизводимость диагнозов, поставленных на основе ПАП-мазков в нашем исследовании, являлась довольно низкой и не превышала удовлетворительных значений при сопоставлении заключений отдельных пар цитологов. Следует отметить, что основными факторами, влияющими на невысокий уровень воспроизводимости цитологических мазков, являются количество выделяемых категорий и количество патологических случаев, включенных в исследование [5]. Так, например, в исследовании М. Stoler и соавт., в которое включено относительно небольшое количество мазков с патологическими изменениями, уровень воспроизводимости диагнозов оказался удовлетворительным (κ=0,46) [3], схожий уровень воспроизводимости показан и в исследовании М. Confortini и соавт. (κ=0,46) [24]. При большом количестве мазков категории ASC-US уровень воспроизводимости неизменно снижается: так, в исследовании S. Sriamporn и соавт. с большим количеством патологических мазков согласованность диагнозов оказалась умеренной (κ=0,37) [25].

В нашем исследовании патологических мазков более 70%, в связи с чем мы полагаем, что невысокие показатели воспроизводимости связаны именно с этим фактором, а не с количеством категорий, выделяемых для исследования, поскольку деление исследуемого материала на две группы (норма и патология) вместо четырех (NILM, ASC-US, LSIL и HSIL) позволило повысить показатель воспроизводимости всего на 0,073, при этом она все равно оставалась низкой. К такому же выводу пришли и H. Hwang и соавт., которые выявили разницу в воспроизводимости цитологических заключений, сделанных с использованием трех и пяти категорий, равную всего лишь 0,04 [5].

Одним из самых распространенных методов повышения воспроизводимости цитологических диагнозов при патологии шейки матки является применение иммуноцитохимического исследования с использованием определения коэкспрессии р16 и Ki-67 [26–28].

Данный тест даже предложен в качестве сортировочного (triage) теста при первичном ВПЧ-скрининге в связи с высокой эффективностью в сочетании с экономической обоснованностью [29]. Оценка воспроизводимости диагнозов при применении иммуноцитохимического теста продемонстрировала более высокие результаты по сравнению с ПАП- тестом. Так, в исследовании M. McMenamin и соавт. коэффициент воспроизводимости каппа составил 0,65–0,91 [30]. В исследовании N. Wentzensen и соавт. коэффициент воспроизводимости κ варьировался от 0,65 до 0,81, причем для всех исследователей он составил 0,71, а для цитотехнологов – 0,73 [31]. В исследовании S. Goh и соавт. воспроизводимость результата оценки коэкспрессии р16/Ki-67 оказалась отличной для всех групп наблюдений (0,834–0,977) [32].

Также показано, что с увеличением количества просмотренных иммуноцитохимических препаратов воспроизводимость диагнозов существенно улучшается: от средней (κ=0,47) при просмотре менее 30 препаратов до отличной (κ=0,88) при просмотре более 300 препаратов [33]. В некоторых исследованиях, особенно охватывающих несколько лабораторий, однако, отмечалась невысокая воспроизводимость оценки двойной метки, которая оказалась еще ниже для мазков с диагнозами CIN 2+ (0,558 и 0,487 соответственно) [24].

Кроме того, существенно различалась и воспроизводимость диагнозов в отношении различных диагностических категорий: в исследовании М. Benevolo и соавт. коэффициент каппа составил 0,692 для позитивной и 0,641 для негативной категорий мазков (хорошая воспроизводимость), в то время как для неопределенной категории данный показатель стал очень низким (κ=0,058) [34, 35]. В нашем исследовании мы получили существенное (почти в 3 раза) увеличение показателя воспроизводимости каппа при использовании «двойной метки» по сравнению с воспроизводимостью диагнозов с применением ПАП-мазков. Однако она все еще оставалась на среднем уровне (общая каппа Флейса составила 0,407). Эти результаты свидетельствуют о том, что оценка экспрессии p16/Ki-67 сопряжена с определенными трудностями, что, в частности, касается интерпретации двойного окрашивания в группах клеток и в клетках с небольшим количеством цитоплазмы, а также клеток с бледной цитоплазматической окраской на р16 [30, 35].

К сожалению, преодолеть эти ограничения не удалось и с применением автоматической системы оценки экспрессии p16/Ki-67, которая проводилась с использованием специального модуля программы Vision Cyto Pap ICC. Более того, показатели воспроизводимости каппы Коэна оказались ниже в парах цитолог–нейросеть (0,103–0,436), чем в парах между цитологами (0,196–0,574). Это связано с несколькими факторами, которые в совокупности могут приводить к невысокой воспроизводимости результатов, основанных только на автоматической оценке. В частности, следует отметить, что в большинстве случаев при разработке нейросетевых подходов для автоматического анализа цифровых копий препаратов на этапе рутинной разметки клеточных элементов и окрашенных тканевыми маркерами структур используется труд недостаточно квалифицированных специалистов (студентов или ординаторов), поскольку считается, что этот этап очень трудоемкий и в то же время не требует внимательного анализа каждой клетки/структуры. Однако это не соответствует действительности: на самом деле именно от того, насколько точно и грамотно будет проведена разметка, зависит конечная эффективность работы нейросетевого анализа [36, 37]. Поэтому этот этап требует значительных ресурсов, как финансовых, так и человеческих.

Кроме того, следует отметить, что эволюционно автоматизация процессов в цитологической диагностике шла по пути замены самых простых, рутинных процессов, требующих значительного количества времени, при этом квалификация для их выполнения требовалась минимальная (например, ручное окрашивание препаратов представляет собой последовательное погружение препарата в подготовленные растворы). В связи с этим автоматизация таких процессов проводилась успешно, практически во всех лабораториях в настоящее время в рабочем процессе используются автоматические стейнеры для различных видов окраски цитологических мазков, а также иммуностейнеры для проведения иммуноцитохимических исследований. Поэтому кажется логичным предлагать именно замену самых легких этапов диагностики с помощью нейросети, например узнавание неизмененных клеток, а не стараться правильно верифицировать диагностические категории.

С помощью такого же подхода разрабатывались системы для автоматической оценки цитологических мазков компаниями-производителями систем для приготовления жидкостных мазков – модуль ThinPrep Imaging System (Hologic Inc) [38], FocalPoint (Becton Dickinson) [39], Vision Cyto Pap (Вест Медика), применение которых преимущественно основано на исключении из оценки цитологом неизмененных клеток с выделением (отбором) подозрительных клеточных элементов и групп клеток. Данные манипуляции существенно облегчают работу цитолога, позволяя ему не просматривать все поля зрения, а сконцентрироваться только на тех клетках, которые не совпадают с неизмененными по каким-либо характеристикам. Однако и FocalPoint, и Vision Cyto Pap могут предложить цитологу для оценки очень большое количество патологически измененных клеток, не сокращая, таким образом, время просмотра препарата. В то же время ThinPrep Imaging System предлагает оценить только 22 клетки/группы клеток, причем к необходимым для просмотра полям зрения будут относиться и железистые клетки в комплексах. Таким образом, остается вероятность для цитолога не увидеть наиболее измененные клетки и занизить диагноз.

В какой-то степени данные ограничения касаются и автоматической оценки иммуноцитохимических исследований. Подразумевается, что цитолог должен оценить все клетки, которые отобраны алгоритмом нейросети как подозрительные в отношении наличия коэкспрессии р16/Ki-67. В нашем исследовании мы принимали за положительные результаты те образцы, где хотя бы одна клетка расценена автоматическим модулем как положительная в отношении «двойной метки». Именно тот факт, что на данном этапе не происходил этап «выбраковки» ложноположительных результатов, мог привести к невысокой согласованности цитологов и нейросети при определении экспрессии иммуноцитохимических маркеров.

Следует отметить, что в мировой литературе пока еще не велико количество публикаций, посвященных сравнению ручного и автоматического методов оценки коэспрессии р16 и Ki-67, несмотря на то что Управление по контролю пищевых продуктов и лекарств в США одобрило коммерческий тест CINtec для определения данных маркеров в качестве скринингового метода [33]. В тех исследованиях, которые опубликованы, результаты касаются не только мазков шейки матки, но и анальной цитологии. В них отмечаются следующие отличия: во-первых, в качестве порогового значения в данных исследованиях принималось наличие нескольких (от 3 до 5) клеток с коэкспрессией р16/Ki-67 (в то время как мы в нашем исследовании определили одинаковый порог в 1 позитивную клетку как для ручного, так и для автоматического этапов). Во-вторых, авторы не приводят в своих результатах данных о воспроизводимости диагнозов конкретных пациентов, а лишь указывают на общее количество положительных или отрицательных в отношении «двойной метки» мазков [7]. Таким образом, можно предположить, что в настоящее время место автоматических систем анализа цитологических мазков – преимущественно в области разработки системы поддержки принятия решений и выделения областей интереса, а не в замене цитолога на этапе классификации диагностических категорий или оценки экспрессии иммуноцитохимических маркеров.

Заключение

В настоящем исследовании воспроизводимость цитологических заключений с применением системы Бетесда 2014 г., а также двух категорий (норма/патология) на основании исследования ПАП-мазков, приготовленных методом жидкостной цитологии (SurePath), оказалась низкой. С нашей точки зрения, такие результаты прежде всего связаны с большим количеством патологических мазков, включенных в исследование. Применение иммуноцитохимического метода позволило существенно (в 3 раза) увеличить воспроизводимость диагнозов, что свидетельствует о необходимости использования определения коэкспрессии р16 и Ki-67 для повышения чувствительности и специфичности цитологического метода. Сравнение ручной и автоматической оценки «двойной метки» выявило сопоставимые результаты при сравнении воспроизводимости между цитологами и между цитологами и нейросетевым алгоритмом. Это свидетельствует о том, что в настоящее время данный алгоритм может помочь в основном в области поддержки принятия решения, а не заменить цитолога на диагностическом этапе.

Раскрытие интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

Disclosure of interest. The authors declare that they have no competing interests.

Вклад авторов. Авторы декларируют соответствие своего авторства международным критериям ICMJE. Все авторы в равной степени участвовали в подготовке публикации: разработка концепции статьи, получение и анализ фактических данных, написание и редактирование текста статьи, проверка и утверждение текста статьи.

Authors’ contribution. The authors declare the compliance of their authorship according to the international ICMJE criteria. All authors made a substantial contribution to the conception of the work, acquisition, analysis, interpretation of data for the work, drafting and revising the work, final approval of the version to be published and agree to be accountable for all aspects of the work.

Источник финансирования. Исследование выполнено при финансовой поддержке РФФИ и Правительства Москвы в рамках научного проекта №21-315-70048.

Funding source. The study was performed with the financial support of the Russian Foundation for Basic Research (RFBR) and the Government of Moscow within the scientific project №21-315-70048.

×

About the authors

Anna V. Tregubova

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: a.asaturova@gmail.com
ORCID iD: 0000-0003-4601-1330

Res. Assist., Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Nadezda S. Tevrukova

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: tevrukova@mail.ru
ORCID iD: 0000-0003-3305-8543

Cand. Sci. (Biol.), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Larisa S. Ezhova

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: larserezhova@yandex.ru
ORCID iD: 0000-0002-9804-8349

Cand. Sci. (Med), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Marina V. Shamarakova

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: a.asaturova@gmail.com
ORCID iD: 0000-0002-0972-4350

Cand. Sci. (Med), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Alina S. Badlaeva

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: a.asaturova@gmail.com
ORCID iD: 0000-0001-5223-9767

Res. Assist., Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Darya A. Dobrovolskaya

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: dashaGRI@yandex.ru
ORCID iD: 0000-0002-1409-9959

Graduate Student, Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Giuldana R. Bayramova

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: v_prilepskaya@oparina4.ru
ORCID iD: 0000-0003-4826-661X

D. Sci. (Med), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Niso M. Nazarova

Kulakov National Medical Research Centre for Obstetrics, Gynaecology and Perinatology

Email: grab2@yandex.ru
ORCID iD: 0000-0001-9499-7654

D. Sci. (Med), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Alexey Yu. Shilyaev

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Email: 89265507667@mail.ru
ORCID iD: 0000-0001-7200-2708

Cand. Sci. (Med), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

Aleksandra V. Asaturova

Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Author for correspondence.
Email: a.asaturova@gmail.com
ORCID iD: 0000-0001-8739-5209

D. Sci. (Med), Kulakov National Medical Research Center for Obstetrics, Gynecology and Perinatology

Russian Federation, Moscow

References

  1. Siegel RL, Miller KD, Fuchs HE. Cancer statistics, 2022. CA Cancer J Clin. 2022;72(1):7-33.
  2. Boring CC, Squires TS, Tong T. Cancer statistics, 1999. CA Cancer J Clin. 1999;49(1):8-31.
  3. Stoler MH, Schiffman M. Interobserver reproducibility of cervical cytologic and histologic interpretations: realistic estimates from the ASCUS-LSIL Triage Study. JAMA. 2001;285(11):1500-5.
  4. Selvaggi SM. Implications of low diagnostic reproducibility of cervical cytologic and histologic diagnoses. JAMA. 2001;285(11):1506-8.
  5. Hwang H, Follen M, Guillaud M, et al. Cervical cytology reproducibility and associated clinical and demographic factors. Diagn Cytopathol. 2020;48(1):35-42.
  6. Kloboves Prevodnik V, Jerman T, Nolde N, et al. Interobserver variability and accuracy of p16/Ki-67 dual immunocytochemical staining on conventional cervical smears. Diagn Cytopathol. 2019;14(1):48.
  7. Wentzensen N, Lahrmann B, Clarke MA, et al. Accuracy and Efficiency of Deep-Learning–Based Automation of Dual Stain Cytology in Cervical Cancer Screening. J Natl Cancer Inst. 2021;113(1):72-9.
  8. Dey P. Artificial neural network in diagnostic cytology. CytoJournal. 2022;19:146.
  9. Sanyal P, Barui S, Deb P, Sharma HC. Performance of A Convolutional Neural Network in Screening Liquid Based Cervical Cytology Smears. J Cytol. 2019;36(3):146.
  10. Mohammed MA, Abdurahman F, Ayalew YA. Single-cell conventional pap smear image classification using pre-trained deep neural network architectures. BMC Biomed Eng. 2021;3(1):1-8.
  11. Zhang L, Lu L, Member S, et al. DeepPap: Deep Convolutional Networks for Cervical Cell Classification. IEEE J Biomed Health Inform. 2017;21(6):1633-43.
  12. Фириченко С.В., Манухин И.Б., Роговская С.И., Манухина Е.И. «Подводные камни» цервикального скрининга. Доктор.Ру. 2018;2(146):26-34 [Firichenko SV, Manukhin IB, Rogovskaya SI, Manukhina ЕI. Pitfalls in Cervical Screening. Doctor.Ru. 2018;2(146):26-34 (in Russian)].
  13. Landis JR, Koch GG. The Measurement of Observer Agreement for Categorical Data. Biometrics. 1977;33(1):159.
  14. Swailes AL, Hossler CE, Kesterson JP. Pathway to the Papanicolaou smear: The development of cervical cytology in twentieth-century America and implications in the present day. Gynecol Oncol. 2019;154(1):3-7.
  15. Salehiniya H, Momenimovahed Z, Allahqoli L, et al. Factors related to cervical cancer screening among Asian women. Riv Eur Sci Med Farmacol. 2021;25(19):6109-22.
  16. Cudjoe J, Nkimbeng M, Turkson-Ocran RA, et al. Understanding the Pap Testing Behaviors of African Immigrant Women in Developed Countries: A Systematic Review. J Immigr Minor Health. 2021;23(4):840-56.
  17. Chin SS, Jamonek Jamhuri NAB, Hussin N, et al. Factors influencing pap smear screening uptake among women visiting outpatient clinics in Johor. Malays Fam Physician. 2022;17(2):46-55.
  18. Settakorn J, Rangdaeng S, Preechapornkul N, et al. Interobserver reproducibility with LiquiPrep liquid-based cervical cytology screening in a developing country. Asian Pac J Cancer Prev. 2008;9(1):92-6.
  19. Strander B, Andersson-Ellström A, Milsom I, et al. Liquid-based cytology versus conventional Papanicolaou smear in an organized screening program: a prospective randomized study. Cancer. 2007;111(5):285-91.
  20. Nishio H, Iwata T, Nomura H, et al. Liquid-based cytology versus conventional cytology for detection of uterine cervical lesions: a prospective observational study. Jpn J Clin Oncol. 2018;48(6):522-8.
  21. Sharma P, Gupta P, Gupta N, et al. Evaluation of the Performance of CinTec® PLUS in SurePathTM Liquid-Based Cervico-Vaginal Samples. Turk Patoloji Dergisi. 2021;37(1):32-8.
  22. Сухих Г.Т, Прилепская В.Н., Асатурова А.В., и др. Диагностика, лечение и профилактика цервикальных интраэпительных неоплазий. М., 2020 [Sukhikh GT, Prilepskaia VN, Asaturova AV, et al. Diagnostika, lecheniie i profilaktika tservikal'nykh intraepitel'nykh neoplazii. Moscow, 2020 (in Russian)].
  23. Sharma J, Toi P, Siddaraju N, et al. A comparative analysis of conventional and SurePath liquid-based cervicovaginal cytology: A study of 140 cases. J Cytol. 2016;33(2):80-4.
  24. Confortini M, Bondi A, Cariaggi MP, et al. Interlaboratory reproducibility of liquid-based equivocal cervical cytology within a randomized controlled trial framework. Diagn Cytopathol. 2007;35(9):541-4.
  25. Sriamporn S, Kritpetcharat O, Nieminen P, et al. Kritpetcharat O. Consistency of cytology diagnosis for cervical cancer between two laboratories. Asian Pac J Cancer Prev. 2005;6(2):208-12.
  26. Tjalma WAA. Diagnostic performance of dual-staining cytology for cervical cancer screening: A systematic literature review. Eur J Obstet Gynecol Reprod Biol. 2017;210:275-80.
  27. Bergeron C, Ikenberg H, Sideri M, et al. Prospective evaluation of p16/Ki-67 dual-stained cytology for managing women with abnormal Papanicolaou cytology: PALMS study results. Cancer Cytopathol. 2015;123(6):373-81.
  28. Li Y, Fu Y, Cheng B, et al. A Comparative Study on the Accuracy and Efficacy Between Dalton and CINtec® PLUS p16/Ki-67 Dual Stain in Triaging HPV-Positive Women. Front Oncol. 2022;11:815213.
  29. Han Q, Guo H, Geng L, Wang Y. p16/Ki-67 dual-stained cytology used for triage in cervical cancer opportunistic screening. Chin J Cancer. 2020;32(2):208.
  30. McMenamin M, McKenna M, McDowell A, et al. Intra- and inter-observer reproducibility of CINtec® PLUS in ThinPrep® cytology preparations. Cytopathology. 2017;28(4):284-90.
  31. Wentzensen N, Fetterman B, Tokugawa D, et al. Interobserver reproducibility and accuracy of p16/Ki-67 dual-stain cytology in cervical cancer screening. Cancer Cytopathol. 2014;122(12):914-20.
  32. Goh ST, TayKah T, Lim L. Inter-observer Variabilty of CINtec PLUS Dual Staining for p16/ki67. J Am Soc Cytopathol. 2017;6(5):S30.
  33. Hammer A, Gustafson LW, Christensen PN, et al. Implementation of p16/Ki67 dual stain cytology in a Danish routine screening laboratory: Importance of adequate training and experience. Cancer Med. 2020;9(21):8235-42.
  34. Benevolo M, Allia E, Gustinucci D, Montaguti A. Interobserver reproducibility of cytologic p16INK4a /Ki-67 dual immunostaining in human papillomavirus-positive women. Cancer Cytopathol. 2017;125(3):212-20.
  35. Benevolo M, Mancuso P, Allia E, et al. Interlaboratory concordance of p16/Ki-67 dual-staining interpretation in HPV-positive women in a screening population. Cancer Cytopathol. 2020;128(5):323-32.
  36. Sornapudi S, Addanki R, Stanley RJ, et al. Automated Cervical Digitized Histology Whole-Slide Image Analysis Toolbox. J Pathol Informatics. 2021;12(1):26.
  37. Kanavati F, Hirose N, Ishii T, et al. A Deep Learning Model for Cervical Cancer Screening on Liquid-Based Cytology Specimens in Whole Slide Images. Cancers. 2022;14(5):1159.
  38. Özcan Z, Kimiloğlu E, Akyildiz İğdem A, Erdoğan N. Comparison of the Diagnostic Utility of Manual Screening and the ThinPrep Imaging System in Liquid-Based Cervical Cytology. Turk Patoloji Dergisi. 2020;36(2):135-41.
  39. Nuttall DS, Hillier S, Clayton HR, et al. A retrospective validation of the FocalPoint GS slide profiler NFR technology by analysis of interval disease outcomes compared with manual cytology. Cancer Cytopathol. 2019;127(4):240-6.

Supplementary files

Supplementary Files
Action
1. Fig. 1. Examples of automatic evaluation of p16 and Ki-67 expression. Top row: false positive interpretation; there are cells with positive expression of Ki-67 (red staining) and positive expression of p16 (brown staining) but no co-expression of markers. Bottom row: correct interpretation, there are cells with simultaneous red and brown staining, positive "double label."

Download (147KB)

Copyright (c) 2023 Consilium Medicum

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС77-63961 от 18.12.2015.


This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies