Ученые из Университета Шарджи обнаружили, что онкологи, использующие искусственный интеллект (ИИ) для ранней диагностики рака поджелудочной железы, могут не только вовремя обнаружить болезнь, но и спрогнозировать ее развитие. Пока технология только тестируется, но в будущем она позволит подбирать персонализированное лечение для каждого пациента.

Рак поджелудочной — один из самых агрессивных видов онкологии. В 2022 году от него умерло 467 409 человек, а новых случаев зафиксировано 510 992. Опухоль быстро метастазирует, и если ее не выявить на ранней стадии, шансы на выживание резко падают. Проблема в том, что болезнь часто обнаруживают слишком поздно: у нее нет четких симптомов и маркеров, а хирургическое вмешательство на поздних стадиях уже бесполезно.

ИИ анализирует снимки точнее, чем человек, и помогает врачам ставить диагнозы раньше. Но это не все.

Алгоритмы могут:

• Предсказывать, как будет развиваться опухоль.
• Оценивать риски для пациента.
• Подбирать оптимальное лечение — иммунотерапию, химию или операцию.

Однако у технологии есть сложности. Врачам не всегда понятно, как ИИ приходит к выводам, а без этого нельзя полностью доверять результатам. Сейчас разрабатывают объяснимый ИИ — систему, которая не просто выдает прогноз, но и поясняет его простым языком, например, через инфографику или текстовые пояснения.

Еще одно перспективное направление — мультиомика. Это когда для анализа болезни используют не один тип данных (например, только снимки), а сразу несколько: генетику, биохимию, историю болезней. Так картина становится полнее.

Теперь ученые работают над тем, чтобы ИИ-модели стали проще для врачей, а пациенты — увереннее в их точности. Возможно, скоро появятся полуавтономные системы, которые снимут часть нагрузки с онкологов.

Результаты исследования опубликованы в издании Beni-Suef University Journal of Basic and Applied Sciences.

Главный плюс — ранняя диагностика. Если ИИ научится стабильно выявлять рак поджелудочной на первой стадии, смертность сократится в разы. Второе — персонализированная терапия. Алгоритмы смогут предсказывать, какое лечение подойдет конкретному пациенту, уменьшая побочные эффекты. Третье — разгрузка врачей. Автоматизация рутинных анализов освободит время для более важных задач.

Исследование опирается на обзор литературы, а не на клинические испытания. Пока нет данных, как ИИ-модели работают в реальной практике. Кроме того, для обучения алгоритмов нужны огромные массивы данных, а медицинские учреждения не всегда ими делятся.

Ранее мы писали, как технологии помогают врачам спасать жизни.