Мультимодальная модель искусственного интеллекта помогла оценить риск появления метахронных метастазов колоректального рака в печени после радикальной операции. В ретроспективном многоцентровом исследовании с участием 2983 пациентов модель показала высокую прогностическую точность во внешних выборках, однако её клиническую пользу ещё предстоит подтвердить в проспективных исследованиях.
Результаты работы опубликованы 11 августа 2026 года в журнале npj Precision Oncology.
Модель объединила КТ, клинические данные и анализы
Исследователи разработали систему CMLM — мультимодальную прогностическую модель, которая одновременно анализировала несколько типов информации.
В неё входили предоперационные изображения компьютерной томографии (КТ) в венозную фазу, клинико-патологические характеристики опухоли и лабораторные показатели, полученные в периоперационном периоде.
Метахронными называют метастазы, которые выявляются не одновременно с первичной опухолью, а спустя некоторое время после её лечения. В данном исследовании авторы оценивали появление метастазов в печени в течение пяти лет после операции.
Всего в анализ вошли 2983 пациента с колоректальным раком из четырёх медицинских центров Китая. У 161 пациента впоследствии обнаружили метахронные метастазы в печени, у остальных 2822 такого исхода в течение установленного периода наблюдения не зарегистрировали.
Для анализа опухоли на КТ исследователи применяли автоматизированное выделение области интереса с последующей проверкой врачом-рентгенологом. Затем модель объединяла признаки изображений с числовыми клиническими и лабораторными параметрами.
Точность сохранилась во внешних выборках
Для оценки качества прогноза авторы использовали площадь под кривой «чувствительность — 1 минус специфичность» (area under the receiver operating characteristic curve, AUROC). Этот показатель отражает способность модели различать пациентов с будущим событием и без него: значение 0,5 примерно соответствует случайному прогнозу, а 1,0 — идеальному разделению групп.
Во внутренней проверочной выборке AUROC модели CMLM составила 0,95. В трёх заранее зафиксированных внешних когортах показатель достиг 0,93, 0,93 и 0,94 соответственно.
Авторы также оценивали площадь под кривой «точность — полнота» (area under the precision-recall curve, AUPRC), которая может быть особенно полезна при редких исходах. Во внутренней выборке она составила 0,81.
По данным исследования, объединённая модель работала лучше вариантов, использовавших только один тип данных. Авторы также сообщили о приемлемой калибровке — соответствии между рассчитанным и фактически наблюдавшимся риском — и возможности разделять пациентов на группы с различным прогнозом.
Для чего такой алгоритм может понадобиться
После радикального лечения колоректального рака пациенты проходят регулярное наблюдение, поскольку заболевание может рецидивировать или дать отдалённые метастазы. Один из потенциальных вариантов применения подобных моделей — более точная оценка индивидуального риска ещё до операции или вскоре после неё.
Если результаты CMLM подтвердятся в дальнейших исследованиях, алгоритм теоретически может помочь определять пациентов, которым требуется более интенсивное послеоперационное наблюдение, и тех, для кого вероятность метахронного поражения печени ниже.
При этом высокая AUROC сама по себе не доказывает, что использование алгоритма улучшит результаты лечения. Для этого необходимо отдельно проверить, меняет ли прогноз модели решения врачей и приводит ли такая стратегия к более раннему обнаружению метастазов, улучшению выживаемости или другим клинически значимым преимуществам.
У исследования есть важные ограничения
Работа имела ретроспективный дизайн: исследователи анализировали уже накопленные медицинские данные, а не проверяли алгоритм в заранее организованном клиническом исследовании.
Кроме того, среди почти трёх тысяч пациентов было только 161 событие метахронного метастазирования в печень. Такой дисбаланс между группами необходимо учитывать при оценке устойчивости прогностической модели.
Все четыре медицинских центра находились в Китае. Поэтому пока неизвестно, сохранит ли CMLM такую же точность у пациентов из других стран, при иных протоколах КТ, лабораторных методах и подходах к лечению.
Наконец, исследование оценивало способность модели прогнозировать риск, а не пользу от её внедрения в медицинскую практику. Проспективная проверка на новых пациентах остаётся необходимым этапом перед возможным клиническим использованием.
Таким образом, работа показывает, что сочетание изображений КТ с клиническими и лабораторными данными может существенно улучшить прогнозирование метастазирования колоректального рака в печень. Однако пока речь идёт о перспективном инструменте стратификации риска, а не о доказанном способе улучшить исходы пациентов.
Подробнее о лечении уже возникшего метастатического заболевания можно прочитать в материале МКБ-11 о клиническом исследовании терапии при метастатическом колоректальном раке.
Литература
Yang L., Shan L., Xie P. et al. From predictive model to clinical application: interpretable prediction of metachronous liver metastasis in colorectal cancer // npj Precision Oncology. — 2026. — DOI: https://doi.org/10.1038/s41698-026-01619-3.