Искусственный интеллект для выявления предиктивных биомаркеров в иммуноонкологии: систематический обзор

Введение: Широкое применение ингибиторов иммунных контрольных точек (ИКТ) изменило лечение многих видов рака. Однако выбор пациентов, которые могут получить пользу от терапии ИКТ, по-прежнему представляет сложность. Методы искусственного интеллекта (ИИ) позволяют использовать многомерные онкологические данные для исследований и разработки подходов к точной иммуноонкологии.

Методы: Проведён систематический обзор рецензируемых оригинальных статей, в которых изучали прогнозирование эффективности ИКТ у пациентов с онкологическими заболеваниями на основе данных пяти типов: геномных (включая данные геномики, транскриптомики и эпигеномики), радиомики, цифровой патологии (патомики), реальной клинической практики и мультимодальных данных.

Результаты: В систематический обзор включили 90 исследований, 80% из которых опубликованы в 2021–2022 годах. В 37 исследованиях анализировали геномные данные, в 20 — радиомические, в 8 — данные цифровой патологии, в 20 — данные реальной клинической практики, в 5 — мультимодальные данные. Стандартные методы машинного обучения применяли в 72% исследований, методы глубокого обучения — в 22%, оба подхода — в 6%. Чаще всего изучали немелкоклеточный рак лёгкого (36%), реже — меланому (16%); 25% исследований охватывали несколько типов рака. Ни в одном проспективном исследовании применение методов ИИ не было предусмотрено с самого начала: во всех случаях ИИ использовали при последующем анализе данных. С помощью ИИ выявлены новые радиомические и патомические биомаркеры ответа на ИКТ, а молекулярные биомаркеры стали включать данные не только геномики, но и транскриптомики и эпигеномики. Кроме того, благодаря интеграции мультимодальных и мультиомных данных появляются сложные алгоритмы и новые типы биомаркеров на основе ИИ, например метабиомаркеры.

Выводы: Методы ИИ расширили возможности поиска биомаркеров; интеграция мультимодальных данных из существующих наборов данных позволяет выявлять новые метабиомаркеры. Хотя большинство включённых исследований показали перспективность применения ИИ для прогнозирования пользы иммунотерапии, ни одно не предоставило доказательств высокого уровня, достаточных для немедленного изменения практики. Необходимы проспективные исследования, спланированные заранее и охватывающие все этапы жизненного цикла программных биомаркеров — от разработки и валидации до внедрения в клиническую практику.