Искусственный интеллект помог оценить риск рецидива рака кишечника II стадии

Новая система искусственного интеллекта анализирует стандартные гистологические препараты и помогает выявлять пациентов с раком кишечника II стадии, у которых заболевание может вернуться после операции. В многоцентровом исследовании наиболее точную оценку риска получили, когда вывод алгоритма совпадал с заключением патоморфолога. Результаты опубликованы в журнале Gastroenterology.

Почему при II стадии трудно выбрать лечение

При раке кишечника II стадии опухоль уже прорастает стенку кишки, но признаки распространения в регионарные лимфатические узлы отсутствуют. Основным методом лечения обычно становится операция.

После хирургического вмешательства врачам необходимо определить, насколько высок риск возвращения заболевания. Пациентам с повышенным риском могут предложить дополнительную химиотерапию, тогда как при низком риске возможный вред лечения способен превысить ожидаемую пользу.

Задача осложняется тем, что существующие признаки не всегда позволяют уверенно предсказать рецидив. Более точная оценка могла бы помочь одним пациентам раньше получить дополнительное лечение, а другим — избежать ненужной химиотерапии и связанных с ней нежелательных явлений.

Как работает новая система

Исследователи разработали алгоритм SÉMIL — Semantically-Enhanced Multiple Instance Learning, или семантически дополненное обучение по множественным примерам.

Система использует искусственный интеллект (ИИ), чтобы одновременно обрабатывать изображения гистологических препаратов и их текстовые описания. Гистологическим препаратом называют тонкий окрашенный срез опухолевой ткани, который патоморфолог изучает под микроскопом.

Особое внимание алгоритм уделяет инвазивному краю опухоли — участку, где злокачественные клетки проникают в окружающие ткани. Характер роста в этой зоне имеет прогностическое значение, однако специалисты не всегда оценивают его одинаково.

После анализа система относит опухоль к группе более высокого или более низкого риска рецидива.

Исследование охватило более 1200 пациентов

Исследователи проанализировали свыше 1600 гистологических препаратов. Работу системы проверили на данных 1220 пациентов с раком кишечника II стадии.

Проверка проводилась в трёх независимых группах пациентов и включала материалы нескольких австралийских медицинских и научных учреждений. В исследовании также участвовал Университет Монаша (Monash University).

Использование независимых групп особенно важно при оценке медицинских алгоритмов. Оно помогает понять, сохраняет ли система точность на данных пациентов, которые не использовались при её разработке.

Совместная оценка оказалась наиболее точной

Наиболее точное распределение пациентов по степени риска исследователи получили в тех случаях, когда заключение системы ИИ совпадало с оценкой патоморфолога.

Этот результат показывает, что алгоритм может быть особенно полезен не как замена специалиста, а как дополнительный источник информации. Совместная оценка позволяет сопоставить распознаваемые компьютером особенности ткани с профессиональным заключением врача.

Ведущий автор исследования Фрэнсис Мажиссон (Francis Magisson) пояснил, что система анализирует характер роста опухоли на её инвазивном крае. Этот признак важен для прогноза, но его бывает трудно классифицировать одинаково при обычной микроскопической оценке.

По словам исследователя, полученная информация потенциально может помочь выделить пациентов, которым необходимы более тщательное наблюдение или дополнительное лечение, включая химиотерапию.

Алгоритм можно применять к стандартным препаратам

Одно из преимуществ системы заключается в том, что она работает с обычными оцифрованными гистологическими препаратами. Для анализа не требуются новые образцы ткани или дорогостоящие дополнительные исследования.

Научный сотрудник Чжэнь Хэ (Zhen He) отметил, что алгоритм можно встроить в существующий порядок работы цифровой патоморфологической службы. В перспективе его результаты могут объединяться с другими биологическими маркерами для более точного определения риска и планирования лечения.

Под биомаркерами понимают измеряемые признаки заболевания — например, изменения в опухолевой ткани, генах или крови, которые могут быть связаны с прогнозом либо ответом на терапию.

Искусственный интеллект не должен заменять врача

Научный сотрудник и патоморфолог Дэвид Уильямс (David Williams) подчеркнул, что система создавалась для поддержки, а не для замены клинических решений.

При раке кишечника II стадии врачу приходится сопоставлять вероятную пользу химиотерапии с риском побочных эффектов. Дополнительная информация о строении опухоли может сделать такое решение более обоснованным, но не отменяет необходимости учитывать возраст пациента, общее состояние здоровья, особенности операции и другие клинические признаки.

Алгоритм также не определяет лечение самостоятельно. Его оценка должна рассматриваться вместе с заключением патоморфолога и данными лечащего онколога.

Что результаты означают для пациентов

Исследование показывает, что особенности роста опухоли, уже присутствующие на стандартных гистологических препаратах, могут содержать больше прогностической информации, чем удаётся извлечь при обычной оценке.

Применение ИИ потенциально способно сделать анализ этих признаков более последовательным и объективным. Это может помочь точнее выделять пациентов с высоким риском рецидива и раньше обсуждать с ними дополнительное лечение.

Однако исследование пока не доказывает, что использование алгоритма улучшает выживаемость или снижает смертность. Для этого необходимы дальнейшие клинические испытания, в которых решения, принятые с помощью системы, будут связаны с последующими результатами лечения.

Ранее сообщалось, что искусственный интеллект может выявлять медицински значимые закономерности в больших массивах разнородных данных, однако такие системы требуют независимой проверки и должны использоваться под контролем специалистов.

Литература

Magisson F., et al. AI-Assisted Risk Stratification in Stage II Colorectal Cancer: Multi-Institutional Validation of Semantically-Enhanced Deep Learning // Gastroenterology. — 2026. — DOI: 10.1053/j.gastro.2026.07.009.