В Германии создали «объяснимый» ИИ для стратификации онкопациентов

Систему на базе искусственного интеллекта (ИИ) для стратификации онкопациентов разработали ученые из Лейпцигского университета, Университетской клиники Лейпцига и нескольких немецких научных центров. Алгоритм работает без заранее заданных критериев и обучается на данных выживаемости. Система самостоятельно выделяет группы пациентов с различным прогнозом, объясняя, какие признаки связаны с неблагоприятным течением болезни. Работа опубликована в журнале Digital Medicine.

Метод можно применять к любой архитектуре нейросети и любому типу медицинских данных. Его проверили на двух видах рака: множественной миеломе, когда модель анализировала лабораторные показатели (набор данных CoMMpass), и немелкоклеточном раке легкого — алгоритм был сосредоточен на КТ‑изображениях (набор Lung1). Объяснимый анализ показал, что ИИ выделяет клинически значимые признаки, хорошо совпадающие с уже известными факторами риска, при этом без заранее заданных правил или шкал стратификации.

В случае миеломы алгоритм разделил пациентов на три группы с учетом таких факторов риска, как уровень β2‑микроглобулина, креатинина, альбумина и гемоглобина. По точности прогнозирования новая модель оказалась сопоставима или превосходила ряд традиционных методов анализа выживаемости. Так, при множественной миеломе система примерно в 65% случаев правильно ранжировала пациентов по риску, при том что использовала только рутинные лабораторные данные без цитогенетики.

При анализе КТ‑изображений у онкопациентов с раком легкого ИИ также выделил группы с разным прогнозом, а карты внимания показали, что он фокусируется не только на опухоли, но и на инфильтративных изменениях вокруг нее, а иногда и на особенностях сердечно‑сосудистой системы, влияющих на риск осложнений. Разработчики подчеркивают, что алгоритм работает без предварительных знаний о злокачественности опухоли или ее местоположении. «Этот подход «сырых данных» существенно отличается от традиционных методов радиомики, которые обычно требуют обширной ручной предварительной обработки и инженерии признаков», — говорится в публикации.

Модель прошла внешнюю валидацию на независимых выборках и пациентах из других клиник. Авторы считают, что подход может стать инструментом для поиска новых прогностических биомаркеров и основой систем поддержки принятия решений в онкологии. В перспективе планируется адаптация технологии для мультимодальных моделей, объединяющих генетические данные, изображения и клинические показатели.

Ранее ученые Российского экономического университета им. Г.В. Плеханова и Национального медико-хирургического центра им. Н.И. Пирогова разработали новый метод анализа электроэнцефалограмм (ЭЭГ) с применением «объяснимого» искусственного интеллекта для диагностики неврологических расстройств. Алгоритм автоматически выявляет эпилептические приступы с высокой точностью и при этом показывает врачу, какие участки мозга и частотные диапазоны стали ключевыми для постановки диагноза. Модель таким образом формирует наглядные «тепловые карты» значимых зон.