Алгоритмы оценили риск 20 видов рака по обычным медицинским данным

Модели машинного обучения на основе анализов крови, истории болезни и факторов образа жизни могут помочь выявлять людей с повышенным риском некоторых распространённых видов рака. Результаты международного исследования представили на конгрессе Европейского общества медицинской онкологии (ESMO) в 2026 году.

Исследователи разработали около 500 моделей для оценки риска 20 видов рака. Их обучили на данных 463 620 участников британского проекта UK Biobank, за которыми наблюдали примерно 18 лет. За это время рак выявили у 57 055 человек. Для проверки моделей использовали также данные участников из Шотландии и Уэльса, 42 036 человек из американской программы All of Us и более 3 млн записей японской базы JMDC.

Для совокупного результата по видам рака, риск которых можно было оценить по обычным клиническим данным, площадь под ROC-кривой (AUROC) составила 0,83 при прогнозе на 15 лет. Значение 0,5 соответствует случайному прогнозу, а 1 — идеальному. Точность различалась в зависимости от заболевания: лучше всего модели работали для рака лёгкого, пищевода и печени, хуже — для рака яичников, молочной железы и шейки матки.

Наибольший вклад в прогноз вносили стандартные анализы крови и медицинская история. Анализы сохраняли прогностическую ценность даже для случаев, диагностированных более чем через пять лет. Генетические и метаболомные данные давали лишь небольшое дополнительное улучшение. Для острого миелоидного лейкоза и множественной миеломы точность снижалась при более дальнем прогнозе. Это может означать, что часть краткосрочных прогнозов отражала признаки уже существовавшей, но ещё не выявленной болезни.

Авторы также создали PRE-Screen — инструмент, позволяющий ИИ-агентам на базе больших языковых моделей применять алгоритмы оценки риска по единому протоколу. Такие агенты показали существенно лучшие результаты, чем языковые модели, делавшие прогноз без этого инструмента.

«Для отдельных видов рака эти модели могут стать недорогим предварительным этапом оценки риска с использованием данных, уже доступных в обычной медицинской практике», — сказал ведущий автор исследования Пол-Анри Куп, представляющий Центр цифрового здравоохранения имени Эльзы Кронер — Фрезениус при Дрезденском техническом университете.

Куп подчеркнул, что повышенный риск не означает, что человек обязательно заболеет. По его словам, положительный результат должен вести сначала к минимально инвазивному обследованию. В ЕС действующие рекомендации по скринингу в основном касаются рака молочной железы, шейки матки и кишечника; Совет ЕС также призывал изучить возможность скрининга других видов рака.

Исследование проводилось ретроспективно, поэтому пока неизвестно, приведёт ли применение моделей к более ранней диагностике или улучшению результатов лечения. Марко Лоренци, научный директор Inria Sophia Antipolis Университета Лазурного Берега, не участвовавший в работе, отметил необходимость проверки моделей на разных группах населения и в условиях, отличных от UK Biobank, в том числе для оценки возможных смещений.