Новый подход на основе машинного обучения может помочь заранее рассчитать, какую дозу радиации получат опухолевые очаги и здоровые органы при лечении метастатического кастрационно-резистентного рака предстательной железы. Метастатический означает, что опухоль распространилась в другие органы, а кастрационно-резистентный — что болезнь продолжает прогрессировать, несмотря на подавление действия тестостерона.
Исследование представили на ежегодной научной конференции по ядерной медицине и молекулярной визуализации 2026 года. Пока это работа уровня «доказательства концепции»: она показывает, что идея может работать, но требует проверки на большем числе пациентов.
Зачем вообще рассчитывать дозу
Речь идёт о терапии препаратами, которые нацелены на простатспецифический мембранный антиген (ПСМА). ПСМА — это белок, который часто в большом количестве находится на поверхности клеток рака предстательной железы. Его можно использовать как «адрес» для доставки радиоактивного вещества к опухоли.
Один из таких подходов — радиофармацевтическая терапия лютецием-177-ПСМА. Радиофармацевтический препарат — это лекарство, содержащее радиоактивный компонент. Он связывается с опухолевыми клетками и облучает их изнутри.
Но важно не только попасть в опухоль. Нужно понимать, какую дозу излучения получат слюнные железы, почки и другие здоровые ткани. Этот расчёт называется дозиметрией. Он помогает подобрать лечение так, чтобы усилить воздействие на опухоль и снизить риск токсичности.
В чём новая идея
Обычно дозиметрию рассчитывают уже после начала терапии, используя снимки, сделанные после введения препарата. Это требует времени, оборудования и дополнительных ресурсов.
Авторы новой работы предложили использовать данные, которые уже есть до лечения: позитронно-эмиссионную томографию, совмещённую с компьютерной томографией (ПЭТ/КТ), с препаратом на основе фтора-18, нацеленным на ПСМА. ПЭТ/КТ показывает, где в организме накапливается диагностический препарат, а компьютерная томография помогает точно сопоставить эти участки с анатомическими структурами.
По словам Амита Наутияла (Amit Nautiyal), такие снимки уже широко применяются у пациентов с раком предстательной железы. Исследователи решили проверить, можно ли по ним заранее предсказать будущую дозу излучения при терапии.
Как работал алгоритм
В исследование включили девять пациентов с метастатическим кастрационно-резистентным раком предстательной железы, направленных на терапию лютецием-177-ПСМА. Для анализа использовали данные 57 опухолевых очагов, 36 слюнных желез и 18 почек.
Исследователи построили модель машинного обучения. Машинное обучение — это метод анализа данных, при котором алгоритм ищет закономерности в уже имеющейся информации и использует их для прогноза.
Модель учитывала несколько групп признаков:
характер накопления препарата на ПЭТ/КТ;
радиомические признаки — числовые характеристики изображения, которые не всегда заметны врачу при обычном просмотре снимка;
клинические биомаркеры — измеримые показатели состояния пациента и болезни.
Затем прогнозы сравнили с дозиметрией, рассчитанной после одного цикла терапии лютецием-177-ПСМА.
Что удалось показать
Модель на основе предлечебной ПЭТ/КТ с фтор-18-ПСМА показала обнадёживающую способность прогнозировать поглощённую дозу радиации как в опухолях, так и в здоровых органах.
Особенно важно, что алгоритм учитывал различия между пациентами. Это принципиально для персонализированного лечения: два человека с одинаковым диагнозом могут по-разному накапливать препарат, иметь разную нагрузку опухолью и разный риск побочных эффектов.
Если результаты подтвердятся в более крупных исследованиях, такой подход может помочь врачам ещё до начала терапии ответить на практические вопросы: кому лечение с большей вероятностью принесёт пользу, у кого выше риск токсичности и нужно ли менять схему наблюдения или дозирования.
Почему выводы пока осторожные
Исследование было небольшим: всего девять пациентов. Поэтому его нельзя считать окончательным доказательством эффективности метода. Это первый шаг, показывающий, что предсказать дозу по уже имеющимся снимкам теоретически возможно.
Авторы планируют продолжить работу в рамках пятилетней программы: собрать больше данных, подключить несколько центров и провести независимую проверку модели. Независимая проверка нужна для того, чтобы убедиться, что алгоритм работает не только на исходной группе пациентов, но и в другой клинической практике.
Что это может изменить для пациентов
Сегодня ПСМА-направленная терапия уже стала важным направлением лечения распространённого рака предстательной железы. Новый алгоритм не заменяет врача и не является самостоятельным лечением. Его потенциальная роль — помочь точнее планировать терапию.
Для пациента это может означать более осознанный выбор лечения: не просто «подходит или не подходит», а насколько вероятна польза и где могут быть риски. Для врача — дополнительный инструмент, который превращает диагностическое изображение не только в способ найти опухоль, но и в основу для расчёта будущей терапии.
Тема точной диагностики при раке предстательной железы остаётся ключевой: ранее сообщалось, что мужчины-носители мутации BRCA2 должны чаще проходить скрининг на простатспецифический антиген, поскольку наследственные факторы могут повышать риск клинически значимого заболевания.
Литература
Society of Nuclear Medicine and Molecular Imaging. Machine-learning approach for prostate-specific membrane antigen treatment of metastatic castration-resistant prostate cancer. Presented at: Society of Nuclear Medicine and Molecular Imaging 2026 Annual Meeting. — 2026.