Исследование под руководством Каролинского института показало: когда патологоанатомы анализируют образцы тканей опухолей при раке кожи с помощью ИИ, их оценка становится точнее, а прогнозы для пациентов — надежнее. В работе участвовали ученые из Йельского университета.

Результаты опубликованы в издании JAMA Network Open.

Известно, что опухоле-инфильтрирующие лимфоциты (TILs) — важный маркер при многих видах рака, включая меланому. Эти иммунные клетки находятся внутри или рядом с опухолью и влияют на то, как организм борется с болезнью. Чем больше TILs в меланоме, тем лучше прогноз. Патологоанатомы традиционно оценивают их количество «на глаз», но теперь ученые проверили, как на эту оценку повлияет ИИ-инструмент, обученный точно подсчитывать лимфоциты.

В эксперименте участвовали 98 специалистов:

• Первая группа — опытные патологоанатомы. Они работали как обычно — изучали цифровые изображения окрашенных тканей и оценивали TILs по стандартным критериям.
• Вторая группа — патологоанатомы и другие исследователи с опытом анализа таких изображений. Они тоже смотрели срезы, но с подсказкой от ИИ, который точно считал лимфоциты.

Все проанализировали 60 образцов пациентов с меланомой (исследование ретроспективное, поэтому диагнозы и исходы уже были известны).

Результаты с ИИ оказались лучше:

• Согласованность. Разные врачи давали почти одинаковые оценки — это решает проблему субъективности.
• Точность прогноза. Оценки с ИИ лучше совпадали с реальными исходами болезней пациентов.

Понимание агрессивности рака по образцу ткани критично для выбора лечения. Наш ИИ-инструмент точно измеряет TILs — в будущем это поможет принимать решения. Но пока нужно больше исследований, — говорит Балаж Акс, ведущий автор работы, патологоанатом и профессор Каролинского института.

Главный плюс — стандартизация. Сейчас оценка TILs зависит от опыта патолога: один поставит 30%, другой — 50%. ИИ убирает этот разброс, что снижает риск ошибок в диагнозах. Второе — прогностическая точность: если ИИ помогает верно оценить агрессивность опухоли, пациент получит адекватное лечение без «перестраховки» или, наоборот, упущенного времени.

Отметим, что ретроспективный дизайн — слабое место этого исследования. ИИ тестировали на уже известных случаях, где исход ясен. В реальной практике прогнозы делаются «вслепую», и пока не доказано, что ИИ так же хорош в таких условиях.

Ранее мы разбирались, как ИИ помогает врачам ставить диагнозы.