Исследователи из Университета Ювяскюля (University of Jyväskylä) разработали модель искусственного интеллекта, которая помогает быстрее анализировать образцы опухолей при колоректальном раке и прогнозировать работу системы восстановления дезоксирибонуклеиновой кислоты (ДНК) в раковых клетках.
Колоректальный рак — это рак толстой или прямой кишки. Для выбора лечения врачам важно понимать не только, как опухоль выглядит под микроскопом, но и какие молекулярные механизмы в ней нарушены.
Почему важен механизм MMR
В центре исследования — система восстановления ошибок спаривания оснований ДНК (mismatch repair, MMR). Это естественный клеточный механизм, который исправляет мелкие ошибки, возникающие при копировании ДНК.
Если система восстановления ошибок работает плохо, в клетках накапливаются мутации. Это может способствовать развитию рака, но одновременно влияет на лечение: опухоли с нарушением MMR могут иначе отвечать на некоторые виды терапии, включая иммунотерапию.
Поэтому оценка MMR-статуса уже стала важной частью диагностики при колоректальном раке.
Зачем здесь искусственный интеллект
Сейчас анализ опухолевых срезов выполняют патологи. Это специалисты, которые изучают ткани под микроскопом и помогают поставить диагноз. Такая работа требует высокой квалификации, но остаётся трудоёмкой и занимает время.
По словам Лиисы Петяйнен (Liisa Petäinen), анализ образца в лаборатории патологии, включая оценку MMR-механизма, может занимать несколько дней. Искусственный интеллект способен сократить этот этап до минут.
Это не означает, что алгоритм должен заменить врача. Скорее, он может стать инструментом предварительного анализа, который помогает быстрее выделять важные признаки и снижать нагрузку на специалистов.
ИИ смотрел не только на саму опухоль
Обычно тканевые образцы изучают при двадцатикратном увеличении, фокусируясь на зоне опухоли. Исследователи также проверили, сможет ли модель работать при более широком, пятикратном увеличении.
Такой подход потенциально важен: если алгоритм может анализировать весь срез целиком, врачам не нужно заранее вручную выделять только опухолевую область. Это ускоряет скрининг и может дать дополнительную информацию.
Авторы отмечают, что ткань вокруг опухоли тоже может содержать признаки, связанные с работой системы восстановления ДНК. Опухоль не существует отдельно от окружения: рядом находятся иммунные клетки, соединительная ткань, сосуды и другие элементы микросреды, которые могут отражать биологию заболевания.
На каких данных обучали модель
Модель обучали на данных примерно 1300 пациентов с колоректальным раком из Центральной Финляндии. Затем её проверяли на данных из больницы Оулу и из США.
Такая внешняя проверка важна для медицинского искусственного интеллекта. Алгоритм может хорошо работать на данных одной больницы, но хуже — на образцах из другого региона, другой лаборатории или другой системы подготовки тканей. Поэтому модели нужно тестировать на независимых наборах данных.
Тиина Йокела (Tiina Jokela) отметила, что в Финляндии качественные биобанки, регистры и единая система здравоохранения помогают быстрее проводить такие исследования и приближать их к практике.
Что это может изменить для пациентов
Если подобные модели подтвердят точность в более крупных исследованиях, они могут ускорить диагностику и снизить стоимость анализа. Для пациента это означает более короткое ожидание результатов и потенциально более быстрый переход к лечению.
Особенно важно, что ИИ может помогать там, где не хватает патологов или где лаборатории перегружены. Но клиническое внедрение требует строгой проверки: алгоритм должен быть точным, воспроизводимым и понятным для врачей.
Почему это не готовая замена патоморфологу
Даже сильная модель ИИ не отменяет медицинскую ответственность. Окончательное решение о диагнозе и лечении остаётся за врачебной командой.
Кроме того, искусственный интеллект нужно проверять на разных типах образцов, разных сканерах, разных способах окрашивания тканей и разных группах пациентов. Ошибки на этапе цифрового анализа могут привести к неверной оценке молекулярного профиля опухоли, поэтому такие системы должны проходить клиническую валидацию.
Тем не менее направление выглядит перспективным: ИИ может не просто искать опухолевые клетки, но и предсказывать скрытые молекулярные свойства рака по изображению ткани.
Ранее МКБ-11 писал о том, почему при колоректальном раке важно проводить молекулярно-генетическое тестирование опухоли перед выбором терапии. Новая работа показывает, что часть такой информации в будущем может помогать получать и цифровой анализ гистологических изображений.
Литература
University of Jyväskylä. Artificial intelligence enables more efficient analysis of colorectal cancer tissue samples and prediction of DNA mismatch repair function. 2026.