dumai
🩺
МедицинаNature Medicine (PubMed)

Объяснимый ИИ помог врачам точнее прогнозировать ответ на иммунотерапию при раке лёгкого

0

Кратко

Система искусственного интеллекта, которая поясняет свой прогноз, обучалась на данных 2 396 пациентов: сведениях о здоровье и анализах крови. Она помогала врачам точнее оценивать результат иммунотерапии, чем отдельные стандартные показатели. При проверке на другой группе точность снизилась, а дополнительная ценность снимков и цифровых изображений тканей осталась неопределённой.

Как это использовать

Исследование показывает, что ИИ может повысить точность врачебных прогнозов в такой задаче. Но это ещё не доказывает, что система улучшает выживаемость или другие исходы пациентов.

Разбор

Проблема в том, что выбор иммунотерапии при немелкоклеточном раке лёгкого часто опирается на отдельные признаки — например, уровень PD-L1 и общее состояние пациента. Такие показатели полезны, но плохо описывают всю картину. Поэтому исследователи собрали в одной системе разные типы данных: медицинские сведения и анализы крови, компьютерную томографию, цифровые изображения образцов ткани и генетическую информацию.

Затем они проверили два подхода: один объединял данные на раннем этапе, другой сначала обрабатывал каждый тип информации отдельно, а потом соединял результаты. Лучше всего и стабильнее всего работали модели, которым хватало клинических данных и анализов крови. Они точнее отдельных привычных ориентиров — PD-L1, общего состояния, соотношения нейтрофилов и лимфоцитов, уровня лактатдегидрогеназы и сводного прогностического показателя LIPI.

Важная проверка прошла не только на данных, где систему обучали: врачи, и специалисты по раку лёгкого, и менее опытные коллеги, стали точнее предсказывать ответ на лечение с помощью объясняющего инструмента. При этом добавление снимков и цифровых изображений ткани не дало надёжного прироста именно на независимых проверках. Авторы уже проводят проспективную проверку — то есть оценивают систему на новых пациентах по заранее заданному плану, а не только на накопленных данных.

Ключевые цифры

2 396 пациентовЭто крупная международная проверка на данных реальной клинической практики, а не на небольшой учебной выборке.
0,77 AUCВ лучшем тесте система довольно хорошо различала разные варианты исхода, хотя это не означает 77% правильных прогнозов для каждого пациента.
0,55–0,72 AUCНа независимой группе точность заметно менялась и местами была лишь немного лучше случайного угадывания, поэтому переносимость модели остаётся важным вопросом.
более 2 000 пациентовИменно на таком новом наборе сейчас проверяют систему заранее и в реальном времени, чтобы понять, работает ли она за пределами уже собранных данных.

Можно ли доверять

Это рецензируемая работа в Nature Medicine с крупной международной выборкой и отдельной внешней проверкой, поэтому к результатам есть основания относиться серьёзно. Но точность на внешней группе снизилась, а проспективная проверка ещё идёт; кроме того, абстракт не показывает, что использование инструмента уже улучшило выживаемость пациентов.

Пересказано ИИ по научной статье. Как это устроено

Источник и детали
ЖурналNature Medicine
Дата публикации у нас14 сентября 2026 г.
Дата источника13 сентября 2026 г.
ОригиналОткрыть
АвторыArsela Prelaj, Vanja Miskovic, Matteo Sacco, Alberto Ferrarin, Cristina Maria Licciardello, Leonardo Provenzano, Margherita Favali, Ludovica Lerma, Aleksandra Zec, Andrea Spagnoletti