Исследователи из Университета Джонса Хопкинса разработали новую интерпретируемую модель машинного обучения, которая способна выявлять ключевые закономерности в микросреде опухоли рака груди. Эти закономерности могут помочь предсказать, как пациентки отреагируют на лечение и какие факторы повлияют на выживаемость. Открытие стало шагом к разработке более точных инструментов для клинической онкологии и персонализированной медицины.
На основе анализа изображений тканей и биоптатов 579 пациенток с раком молочной железы, проходивших стандартное лечение, алгоритм выявил 66 различных клеточных паттернов. Он сгруппировал пациенток в 7 подтипов, у которых наблюдалась различная выживаемость. Наилучшие прогнозы были связаны с микросредой, включающей высокую концентрацию трёх клеточных типов: CK8-18high, CXCL12high и CK+CXCL12+. Напротив, наихудшие результаты были у пациенток с самоагрегированными HER2+ опухолями, что соответствует известной агрессивности этого подтипа.
Важно, что даже при трижды негативной форме рака молочной железы — одном из самых сложных для лечения подтипов — наличие организованных иммунных клеток вокруг опухоли улучшало прогноз. Это свидетельствует о том, что не только свойства самой опухоли, но и состояние её микросреды играет решающую роль в ответе на терапию.
Разработка модели с высокой интерпретируемостью стала ключевым достижением. В отличие от «чёрных ящиков», обычных ИИ-моделей, где трудно понять, как именно принимаются решения, новая методика позволяет точно установить, какие клеточные элементы и пространственные конфигурации влияют на результат. Это делает модель особенно полезной для врачей и биомедицинских исследователей, которые могут использовать её не только для классификации, но и для выдвижения новых гипотез и проверки механизмов заболевания.
Преимущества подхода: выявление значимых паттернов без необходимости заранее формулировать гипотезу; экономия времени и ресурсов в клинических и лабораторных исследованиях; возможность прогностической стратификации пациенток на основе клеточной архитектуры; повышение точности выбора терапии на ранних стадиях заболевания.
Интерпретируемая ИИ-модель не только классифицирует микросреды опухолей, но и делает это в открытом формате: специалисты могут вернуться к результатам, изучить конкретные клеточные типы и взаимосвязи, которые повлияли на вывод. Это особенно важно для рака груди, где неоднородность опухоли и микросреды сильно варьируется между пациентками, затрудняя выбор универсального подхода.
Исследование также имеет потенциал расширения: технология может быть адаптирована для других типов визуализации и применена к другим видам рака, в том числе раку матки, где влияние микросреды на развитие опухоли и ответ на лечение также является предметом активных исследований.
Таким образом, использование искусственного интеллекта в исследовании микросреды опухолей открывает новый этап в онкологии. Оно позволяет не только более точно прогнозировать исход болезни, но и выявлять мишени для точечной терапии, индивидуализируя подход к каждому пациенту. Новые знания о роли пространственной организации клеток вокруг опухоли помогут врачам принимать более обоснованные решения и разрабатывать стратегии лечения, ориентированные на устойчивый эффект и снижение риска рецидива.
А затем «Добавить на главный экран». 