ainews
Британские учёные научили AI предсказывать агрессивность рака груди по дефектам центросом
Исследователи из Саутгемптонского университета создали нейросеть CenSegNet, которая анализирует аномалии центросом (структур клетки) в опухолях и определяет, как быстро рак будет расти и давать метастазы. Проанализировали 330 000 центросом у 127 пациентов и нашли закономерности, которые помогут персонализировать лечение онкологии.
Рак груди — одна из самых частых причин смерти женщин, а выбор терапии сейчас часто идёт наугад. Если AI сможет заранее показать, какая опухоль агрессивна, врачи спасут больше жизней и снизят побочные эффекты от избыточного лечения.
Что сделали
Команда из Саутгемптонского университета опубликовала в Nature Communications результаты работы нейросети CenSegNet, которая анализирует центросомы — органеллы, участвующие в делении клеток. Раньше их аномалии считали единым явлением, но модель разделила дефекты на два типа с разным пространственным распределением и клиническим значением.
Проанализировали ткани 127 пациентов с раком груди, обработали 330 000+ центросом на уровне отдельных клеток. Система выявила паттерны, которые указывают на скорость роста опухоли, способность к инвазии и чувствительность к терапии.
Техническая суть
CenSegNet работает с микроскопическими данными высокого разрешения и выполняет сегментацию на уровне единичных клеток по всему объёму опухоли. Это как перейти от усреднённого анализа биопсии к картированию каждой клетки — детализация недостижимая для человеческого глаза.
Исследование показывает: определённые комбинации дефектов коррелируют с поведением опухоли и прогнозом. Это фундамент для новых биомаркеров и таргетной терапии.
Автор: Сергей Ефимов · Источник: reddit.com
Разработчикам. Задача сегментации медицинских изображений на уровне субклеточных структур — отличный кейс для компьютерного зрения. Можно брать открытые датасеты гистопатологии и обучать специализированные модели на микроскопических снимках. Инструменты типа FastAI, PyTorch Medical уже адаптированы под такие задачи.
Бизнесу. Персонализированная медицина — это рынок с триллионным потенциалом. Инструменты для прогнозирования течения рака станут частью стандартного клинического пайплайна, снизят затраты на неэффективную терапию и улучшат выживаемость. Можно создавать SaaS для лабораторий или интегрироваться с производителями оборудования для биопсий.
Инвесторам. Onco-диагностика с применением AI растёт быстрее рынка в целом. Компании вроде PathAI, Paige.AI привлекают сотни миллионов. Если команда выходит из топового университета с публикацией в Nature и клиническими данными — это сильный сигнал. Риск в долгом цикле клинической валидации и регуляторных барьерах.
- SaaS-платформа для патологоанатомических лабораторий: загружают гистологические снимки — получают прогноз агрессивности опухоли и рекомендации по терапии
- Интеграция в производителей оборудования для биопсий (типа Roche, Leica): AI как дополнительная опция к их системам
- Биомаркерный тест-кит для фармкомпаний: помогает отбирать пациентов для клинических испытаний таргетных препаратов
- Консалтинг для биотех-стартапов: адаптация метода для других типов рака (лёгкие, простата, кожа)
- API для телемедицинских платформ: пациент получает биопсию — AI даёт второе мнение онлайн
- Долгий путь к клиническому применению: регуляторы требуют многоцентровых исследований, может пройти 3-5 лет до FDA/CE-маркировки
- Малая выборка (127 пациентов) — нужна валидация на тысячах случаев, результаты могут не воспроизвестись
- Центросомы — нишевый биомаркер, может оказаться менее точным, чем геномное профилирование или другие методы
- Академический проект без коммерческой команды: даже с публикацией в Nature может застрять на этапе прототипа и не выйти на рынок
Это классный научный результат, но давайте без иллюзий: от статьи в Nature до реального применения в больницах — пропасть. 127 пациентов — это proof-of-concept, а не основа для FDA-одобрения. Нужны многоцентровые исследования на тысячах случаев, клинические испытания, интеграция с существующими системами диагностики. Плюс центросомы — не самый очевидный биомаркер по сравнению с генетическим профилированием, которое уже работает.
Но суть важна: AI действительно умеет находить закономерности там, где патологоанатом видит лишь хаос. Если команда сумеет пройти регуляторный путь и найти партнёра среди медтех-гигантов — через 5-7 лет это может стать частью стандартного пайплайна. Пока это инвестиция в будущее с высоким риском и потенциально огромной отдачей. Для разработчиков — отличный пример, как узкая CV-задача решает проблему стоимостью миллионы жизней.
Комментарии