Персонализированная медицина направлена ​​на адаптацию лечения к индивидуальным пациентам. До сих пор это делалось с использованием небольшого количества параметров для прогнозирования течения заболевания. Однако этих нескольких параметров часто недостаточно для понимания сложности таких заболеваний, как рак.

Группа исследователей с медицинского факультета Университета Дуйсбург-Эссен (UDE), Мюнхенского университета имени Людвига Мухаммеда (LMU) и Берлинского института основ обучения и данных (BIFOLD) Технического университета Берлина разработала новый подход к этой проблеме с использованием искусственного интеллекта.

Используя интеллектуальную инфраструктуру больницы при Университетской клинике Эссена, исследователи объединили данные из разных источников — истории болезни, лабораторные показатели, визуализацию и генетический анализ — для поддержки принятия клинических решений.

«Хотя в современной медицине доступны большие объемы клинических данных , обещание по-настоящему персонализированной медицины часто остается невыполненным», — говорит профессор Йенс Клезик из Института искусственного интеллекта в медицине (IKIM) при Университетской клинике Эссена и Центра исследований онкологии Кельн-Эссен (CCCE).

Взаимодействие 350 исследованных параметров
В настоящее время в онкологической клинической практике используются довольно жесткие системы оценки, такие как классификация стадий рака, которые мало учитывают индивидуальные различия, такие как пол, статус питания или сопутствующие заболевания.

«Современные технологии искусственного интеллекта, в частности объяснимый искусственный интеллект (xAI), могут быть использованы для расшифровки этих сложных взаимосвязей и персонализации онкологической медицины в гораздо большей степени», — говорит профессор Фредерик Клаушен, директор Института патологии в LMU и руководитель исследовательской группы в BIFOLD, где этот подход был разработан совместно с профессором Клаусом-Робертом Мюллером.

Для недавнего исследования, опубликованного в Nature Cancer , ИИ был обучен на данных более чем 15 000 пациентов с 38 различными солидными опухолями. Было изучено взаимодействие 350 параметров, включая клинические данные, лабораторные значения, данные процедур визуализации и генетические профили опухолей.

«Мы определили ключевые факторы, которые отвечают за большинство процессов принятия решений в нейронной сети , а также большое количество прогностически значимых взаимодействий между параметрами», — объясняет доктор Юлиус Кейл, научный сотрудник Института искусственного интеллекта в медицине (IKIM).

Прозрачные решения
Модель ИИ была успешно протестирована на данных более 3000 пациентов с раком легких для подтверждения выявленных взаимодействий. ИИ объединяет данные и вычисляет общий прогноз для каждого отдельного пациента. Как объяснимый ИИ, модель делает свои решения прозрачными для врачей, показывая, как каждый параметр способствовал прогнозу.

«Наши результаты показывают потенциал искусственного интеллекта для рассмотрения клинических данных не изолированно, а в контексте, для их повторной оценки и, таким образом, для персонализированной терапии рака на основе данных», — говорит доктор Филипп Кейл из LMU. Подобный метод ИИ также может использоваться в экстренных случаях, когда жизненно важно иметь возможность оценить диагностические параметры в их совокупности как можно быстрее.

Исследователи также намерены раскрыть сложные взаимосвязи между видами рака, которые до сих пор оставались необнаруженными с помощью традиционных статистических методов.

«В Национальном центре опухолевых заболеваний (NCT) совместно с другими онкологическими сетями, такими как Баварский центр исследований рака (BZKF), у нас есть идеальные условия для того, чтобы сделать следующий шаг: доказать реальную пользу нашей технологии для пациентов в клинических испытаниях », — добавляет профессор Мартин Шулер, управляющий директор центра NCT West и руководитель отделения медицинской онкологии университетской клиники Эссена.