Искусственный интеллект для расчёта риска рецидива рака молочной железы
В этой статье
Лучше прогнозировать риск рецидива раннего рака молочной железы
Ранний HR-положительный (HR+), HER2-отрицательный рак молочной железы составляет около 70%всех случаев. Самое трудное решение в адъювантном лечении — определить, действительно ли нужна химиотерапия, поскольку недостаточное лечение повышает риск рецидива, а избыточное создаёт ненужную токсичность.
Современные геномные тесты, например Oncotype DX, закрывают важный пробел, но обычно имеют AUC 0.75–0.80 и лишь ограниченно используют скрытую в гистологических препаратах информацию об архитектуре опухоли и микроокружении. Доклад RF5-03 представляет цифровую патологию, клинические данные и геномные оценки, объединённые в одной модели искусственного интеллекта на основе глубокого обучения с проспективной валидацией подхода.
Примечание: материал не заменяет медицинскую консультацию. Индивидуальные прогностические решения принимает онкологическая команда с учётом всей клинической картины.
p<0.001
Геномный тест
более чёткое разделение
HR 3.1 (2.5–3.8)
Где и в каком формате представлена работа?
Результаты представили на симпозиуме по раку молочной железы в Сан-Антонио SABCS 2025, в рамках сессии коротких докладов 5 под обозначением RF5-03 в программе. Тезис конференции опубликован в J Clin Oncol, в дополнительном выпуске: J Clin Oncol. 2025;43(suppl 17):RF5-03.
Дизайн исследования
Это исследование не лекарства, а прогностической модели. Исследователи у пациентов с ранним HR+/HER2− раком молочной железы оцифровали гистологические препараты и объединили их с клиническими сведениями — возрастом, состоянием лимфоузлов и другими — и геномной оценкой риска в одной модели. Цель — оценить, насколько хорошо она различает вероятность рецидива в ближайшие 5 лет.
Всего использованы данные n=2512 пациентов: сначала модель обучалась на n=1200 случаях, затем на n=1312 пациентах её независимо проверили. Медиана наблюдения составила 4.1 года по данным доклада.
Качество модели: сравнение AUC
Столбцы — AUC от 0 до 1; тонкие отметки — 95% ДИ для ИИЧто это различие означает на практике?
Повышение AUC с 0.78 до 0.88предполагает более чёткое разделение высокого и низкого риска. В примере из доклада у пациентов выше определённого порога 5-летняя частота рецидива составляла 25%, а в группе низкого риска — 5% за тот же срок. Такое разделение способно повлиять на обсуждение, кому химиотерапия действительно принесёт пользу в клинике.
Наиболее полезные клинические сигналы доклада
• В группе высокого риска: HR 3.1 (95% ДИ: 2.5–3.8)
• Рецидив за 5 лет: 25% при высоком риске против 5% при низком
• Качество в подгруппе с положительными лимфоузлами: AUC 0.90
• Внешняя валидация — азиатская когорта, n=300: AUC 0.86
Почему патология может изменить подход?
Гистологические препараты не только помогают поставить диагноз, но и содержат признаки поведения опухоли: плотность клеток, характер роста, строение стромы, распределение иммунных клеток. Возможность ИИ — стандартизировать эти визуальные сигналы и включить их в прогноз.
Калибровка и надёжность
Для оценки соответствия прогнозов реальным исходам, то есть калибровки, в докладе представлен показатель Брайера 0.12 — чем ниже, тем лучше. Различия качества между этническими группами были ограничены примерно2%по оценке авторов.
Как понимать «побочные эффекты»
Модель ИИ не является лечением и напрямую не вызывает побочных эффектов. Но она способна влиять на решения, поэтому главное — ошибочная классификация риска и вероятность ненужного усиления либо недостаточности лечения. Поэтому результат модели следует рассматривать вместе с оценкой врача при принятии решения.
Практический вывод
RF5-03 даёт убедительный сигнал, что сочетание геномики, клиники и патологии может улучшить прогноз рецидива раннего HR+ рака молочной железы. Если результаты подтвердятся в других центрах, такие модели ИИ помогут точнее и индивидуальнее выбирать адъювантное лечение.
Источник: тезис доклада Lazar AJ, Lehman CD, и соавт. «AI-based recurrence prediction model in HR+/HER2− early breast cancer: Prospective validation». J Clin Oncol. 2025;43(suppl 17):RF5-03.
Эта статья была полезна?
Ваш отзыв помогает нам улучшать материалы.
Комментарии читателей
Оставьте комментарий
Ваше имя и комментарий публикуются только после одобрения администратором. Ваш адрес электронной почты никогда не показывается посетителям.
Будьте первым, кто оставит комментарий.