Мультимодальная модель глубокого обучения помогает прогнозировать риск при лучевой терапии рака шейки матки

Рак шейки матки остаётся одной из ведущих причин смертности от онкологических заболеваний у женщин. Стандартным подходом при местно-распространённом заболевании является сопутствующая химиолучевая терапия, которая позволяет достичь безрецидивной выживаемости примерно у 70% пациенток. Однако у оставшихся 30% нередко возникают рецидивы или метастазы, что значительно снижает прогноз. Усиление лечения может повысить шансы на выживание, но сопровождается ростом токсичности и стоимости, поэтому особенно важно точно определить, кому действительно требуется более интенсивная терапия.

Группа исследователей из Института передовых технологий Шэньчжэня и Пекинского объединённого медицинского колледжа разработала прогностическую систему CerviPro на основе методов глубокого обучения. Эта мультимодальная модель интегрирует данные КТ до и после лучевой терапии, радиомикологические характеристики и клинические параметры. Сначала алгоритм автоматически сегментирует опухоль, затем извлекает многомерные признаки из изображений и объединяет их с клинической информацией. Для оптимизации данных применяются методы снижения размерности и отбора ключевых характеристик.

Для проверки клинической ценности CerviPro были проанализированы данные более чем 1000 пациенток с раком шейки матки из разных больниц Китая. Многоцентровой дизайн исследования позволил показать, что модель демонстрирует высокую устойчивость и надёжность как в условиях отдельных клиник, так и в реальных практических сценариях. CerviPro уверенно превзошёл традиционные методы прогнозирования, включая модель Кокса и DeepSurv, обеспечив более точную стратификацию риска.

На практике это означает, что модель может разделить пациенток на группы: высокорисковую, нуждающуюся в усиленной терапии, и низкорисковую, где допустима деэскалация лечения без потери эффективности. Такой подход помогает врачам избежать как недостаточного, так и чрезмерного лечения, предлагая по-настоящему персонализированные стратегии.

Важно и то, что система способна учитывать неоднородные источники информации — от изображений КТ до биомедицинских показателей. Это делает CerviPro ценным инструментом поддержки принятия решений, позволяя онкологам более точно прогнозировать безрецидивную выживаемость и подбирать оптимальный курс терапии для каждой пациентки.

Результаты исследования подчеркивают растущую роль искусственного интеллекта в онкологии. В будущем такие мультимодальные модели могут использоваться не только при раке шейки матки, но и при других видах опухолей, где требуется комплексный анализ изображений, молекулярных данных и клинической информации. Это открывает путь к новым стандартам индивидуализированной медицины, в которых алгоритмы ИИ будут помогать врачам принимать решения, максимально учитывающие особенности каждой пациентки.