Учёные разработали ИИ для лечения редких видов рака через создание цифровых двойников пациентов


GigaChat Max кратко объясняет суть статьи
Исследователи из MSKCC под руководством профессора Куэйда Морриса разработали ИИ-систему, создающую виртуальных «цифровых пациентов» для восполнения дефицита молекулярных данных о редких опухолях. В отличие от традиционных медицинских ИИ, эта модель генерирует собственные молекулярные профили опухолей, что впервые позволило создавать синтетические данные для сложных случаев. Проверка показала более высокую точность диагностики по сравнению с моделями, обученными только на реальных данных. Технология ускоряет разработку лекарств и улучшает персонализированную терапию.
Исследователи из онкологического центра Memorial Sloan Kettering Cancer Center (MSKCC) адаптировали искусственный интеллект для лечения редких видов рака. О проекте рассказал доктор наук и системный биолог Дмитрий Чебанов — автор идеи и реализации.
Под научным руководством профессора Куэйда Морриса из Корнелльского университета команда разработала ИИ-систему, которая не просто анализирует существующие данные, а создает виртуальных «цифровых пациентов». Этот подход позволяет восполнить дефицит молекулярной информации о редких опухолях, что особенно важно при ограниченном количестве реальных образцов.
Обычно ИИ в медицине используют для поиска нужной информации в электронных картах пациентов. Но здесь применён принципиально новый подход: модель сама создаёт новые молекулярные профили, а не просто читает уже существующие. Это первый случай применения такой технологии для генерации синтетических данных о раке, — говорит автор исследования, системный биолог Дмитрий Чебанов.
В отличие от традиционных медицинских ИИ, которые ищут информацию в электронных медицинских картах, новая модель генерирует собственные молекулярные профили опухолей. Это впервые позволило создать синтетические данные для таких сложных случаев, что открывает новые перспективы для персонализированной терапии и ускоряет разработку лекарств.
Для проверки эффективности разработчики обучили диагностический классификатор на виртуальных пациентах. Результаты показали, что точность постановки диагнозов на реальных данных с использованием этой технологии выше, чем у моделей, обученных только на естественных примерах. Новая система также позволяет быстро заполнять пробелы в профилях опухолей, что критически важно для своевременного начала лечения.
Читать первым в Telegram-канале «Код Дурова»