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


GigaChat Max кратко объясняет суть статьи
Команда исследователей из онкологического центра MSKCC под руководством Дмитрия Чебанова и профессора Куэйда Морриса создала инновационную ИИ-модель, способную генерировать синтетические молекулярные профили редких опухолей. Вместо анализа существующих данных система формирует виртуальных «цифровых пациентов», компенсируя недостаток реальной информации. Такой подход значительно улучшает диагностику и открывает возможности для персонализированного лечения и ускоренного создания новых препаратов. Тестирование показало, что диагностика на основе синтетических данных точнее, чем традиционная методика работы с естественными образцами.
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»