Новые математические биомаркеры помогут точнее прогнозировать рак груди и подбирать лечение

Рак груди остается самым распространенным онкологическим заболеванием у женщин во всем мире. Несмотря на значительный прогресс в диагностике и лечении, одной из главных проблем современной онкологии остается точное прогнозирование течения заболевания. Даже пациентки с одинаковым диагнозом и схожими характеристиками опухоли могут по-разному реагировать на лечение, что осложняет выбор наиболее эффективной терапии. Именно поэтому ученые активно ищут новые биомаркеры, способные более точно оценивать биологические особенности опухоли и предсказывать ее дальнейшее развитие.

Исследователи из Медицинского центра имени Ирвинга Колумбийского университета представили новую технологию анализа опухолей, основанную на математическом разделе топологии. Разработанный метод позволяет количественно оценивать пространственную организацию тканей рака груди и значительно точнее прогнозировать выживаемость пациенток, вероятность ответа на лечение и особенности развития заболевания по сравнению со многими традиционными биомаркерами.

На протяжении десятилетий патологоанатомы изучали опухоли под микроскопом, оценивая форму клеток, степень нарушения структуры тканей и другие визуальные признаки злокачественного процесса. Такой подход остается золотым стандартом диагностики, однако во многом зависит от опыта специалиста и содержит определенную долю субъективности. Даже при использовании современных классификаций разные эксперты иногда по-разному интерпретируют степень структурных изменений.

Новая технология позволяет перевести визуальные наблюдения в точные числовые показатели. Для этого ученые использовали методы топологии — математической дисциплины, изучающей формы, пространственные взаимосвязи и структуру объектов независимо от их размеров и геометрических особенностей. В данном случае математические алгоритмы анализировали не просто наличие опухолевых клеток, а то, каким образом они располагаются относительно друг друга и окружающих иммунных клеток.

Ключевую роль в исследовании сыграла технология персистентной гомологии — современный инструмент вычислительной топологии, позволяющий выявлять скрытые закономерности в сложных пространственных структурах. Вместо привычной оценки отдельных клеток алгоритм анализировал всю архитектуру опухолевой ткани как единую систему, определяя уровень ее организованности или, наоборот, хаотичности.

Для проверки новой методики исследователи изучили образцы опухолей более чем 550 пациенток с раком груди. Используя мультиплексную иммунофлуоресцентную визуализацию, специалисты получили точные координаты опухолевых клеток, иммунных клеток и молекул PD-L1, после чего математические модели рассчитали количественные показатели организации ткани.

В результате был создан новый класс биомаркеров, основанных не на отдельных молекулах или генах, а на пространственной архитектуре опухоли. Каждый образец ткани получил собственный числовой индекс, отражающий степень структурной организации.

Полученные результаты оказались весьма показательными. Опухоли с более высокой степенью организованности ткани демонстрировали значительно лучшие прогнозы. Пациентки с высокими топологическими показателями в среднем жили дольше и лучше отвечали на проводимое лечение. Напротив, выраженная структурная дезорганизация тканей чаще сопровождалась агрессивным течением заболевания и менее благоприятными исходами.

Особенно важным оказалось сравнение нового метода с существующими диагностическими подходами. Сегодня для оценки прогноза широко применяются различные генетические панели, белковые маркеры и иммуногистохимические исследования. Однако многие из них показывают неодинаковую точность в различных этнических и расовых группах. Новые топологические биомаркеры продемонстрировали значительно более стабильные результаты независимо от происхождения пациенток, что может стать важным шагом на пути к более справедливой и универсальной диагностике.

Еще одним преимуществом технологии стала возможность объединения математических показателей с данными геномного анализа. Исследователи создали так называемые топологически обоснованные генные сигнатуры, объединив информацию о пространственной организации опухоли с активностью определенных генов. Такой комбинированный подход позволил еще точнее прогнозировать эффективность различных схем лечения в независимых клинических исследованиях.

Помимо практического значения для диагностики работа позволила лучше понять биологию опухолевого процесса. Оказалось, что выраженная структурная дезорганизация тканей тесно связана с активацией процессов, способствующих прогрессированию заболевания. Среди них были выявлены изменения метаболизма опухолевых клеток, механизмы подавления иммунного ответа и эпителиально-мезенхимальный переход — один из ключевых процессов, обеспечивающих инвазию опухоли и образование метастазов.

Особое внимание ученых привлек фермент IL4I1, который участвует в регуляции обмена веществ и взаимодействии опухоли с иммунной системой. Его активность оказалась тесно связана с изменением архитектуры опухолевой ткани. Это открытие подтверждает, что пространственная структура новообразования отражает не только внешний вид опухоли, но и глубинные молекулярные процессы, определяющие ее агрессивность.

Исследование также демонстрирует стремительное развитие цифровой патологии — направления, объединяющего классическую морфологию, искусственный интеллект, вычислительную биологию и современные математические методы. Вместо субъективного описания изображения специалисты получают объективные количественные параметры, которые можно анализировать автоматически, сравнивать между пациентами и использовать при построении сложных прогностических моделей.

В перспективе подобные алгоритмы смогут работать совместно с системами искусственного интеллекта. После цифрового сканирования гистологических препаратов программа будет автоматически анализировать пространственную организацию ткани, рассчитывать топологические показатели и формировать прогноз заболевания. Это позволит существенно сократить время диагностики, уменьшить влияние человеческого фактора и повысить точность принятия клинических решений.

Важным преимуществом разработки является возможность ее внедрения без дорогостоящего переоснащения лабораторий. Хотя в исследовании использовалась мультиплексная иммунофлуоресцентная визуализация, ученые уже работают над адаптацией алгоритмов для стандартных гистологических препаратов, окрашенных гематоксилином и эозином. Именно такие препараты ежедневно используются практически во всех патоморфологических лабораториях мира.

Если технология успешно пройдет последующую клиническую проверку, она сможет стать доступной не только крупным научным центрам, но и обычным медицинским учреждениям. Это особенно важно для регионов с ограниченными ресурсами, где доступ к сложным молекулярным исследованиям остается затрудненным.

Новые биомаркеры открывают перспективы и для развития персонализированной медицины. Более точная оценка структуры опухоли позволит заранее определить вероятность рецидива, выбрать наиболее эффективную комбинацию лекарственных препаратов, оценить необходимость интенсивной терапии и избежать назначения лечения, которое с высокой вероятностью окажется малоэффективным.

Хотя разработанная технология пока требует дальнейших исследований и независимой клинической валидации, полученные результаты свидетельствуют о том, что математический анализ архитектуры тканей способен стать новым этапом развития диагностики рака груди. Сочетание цифровой патологии, искусственного интеллекта, геномики и вычислительной топологии постепенно формирует совершенно новый подход к оценке опухолей, при котором каждая микроскопическая особенность превращается в точные количественные данные. В будущем это позволит врачам значительно точнее прогнозировать течение заболевания, индивидуализировать лечение и повышать шансы пациенток на успешное выздоровление.