Систему искусственного интеллекта для диагностики типа опухоли мозга разработали в Университете Лобачевского
20 октября 2025 года, 22:04
Разработка позволит классифицировать опухоль и оценить уровень риска для пациента.
Модели ИИ на основе машинного обучения позволяют проводить высокоточную диагностику одного из самых агрессивных видов опухолей головного мозга — глиомы. Система определяет подтип опухоли, прогнозирует выживаемость пациента и в перспективе будет помогать при выборе оптимальной тактики лечения. Диагностика проводится по активности 13 ключевых генов, связанных с тремя основными подтипами глиом: астроцитомой, олигодендроглиомой и глиобластомой.
«Классическая диагностика глиом не всегда позволяет быстро и точно определить тип опухоли. Гистологические исследования и поиск отдельных мутаций приводят к противоречивым диагнозам. И даже высокотехнологичные протоколы МРТ могут не дать необходимую информацию из-за неоднородности глиом. Наш инструмент оценивает опухоль на основе данных транскриптомного анализа, когда мы видим, какие гены „выключены“, какие „включены“, и можем оценить уровень активности этих генов у конкретного пациента. Преимущество нашего решения в том, что система определит подтип глиомы и позволит врачу подобрать нужный метод лечения», — рассказал автор исследования, директор Научно-исследовательского института биологии старения ННГУ им. Н.И. Лобачевского Михаил Иванченко.
Многие модели ИИ работают по принципу «черного ящика», не позволяя врачам понять логику принятия решений. Нижегородские ученые использовали подход объяснимого искусственного интеллекта (Explainable AI, XAI). Благодаря дополнительным алгоритмам, система показывает, как именно уровень экспрессии каждого из 13 значимых генов повлиял на прогноз модели.
«Для каждого пациента ответ будет разным, даже если тип опухоли один и тот же. Врач может перепроверить решение нейросети, согласиться, или не согласиться с ним, провести дополнительные исследования. Обоснование диагноза и прогноза необходимо специалистам для доверия ИИ и принятия клинических решений. Возможность заглянуть внутрь биологических процессов, стоящих за прогнозом, открывает новые перспективы для персонализированной медицины», — прокомментировал Михаил Иванченко.
По словам ученых, сегодня разработка может применяться прежде всего для лабораторных научных исследований. В будущем на ее основе планируется создание клинических тест-систем для оценки уровня экспрессии генов, что даст возможность ставить точные диагнозы в короткие сроки.
Разработка проводились учеными Исследовательского центра в сфере искусственного интеллекта и Института биологии старения Университета Лобачевского. Результаты опубликованы в специальном выпуске журнала Cancers.
