ИИ помогает точнее прогнозировать течение меланомы
В исследование вошли две ретроспективные когорты: тренировочная (Melanoma Institute Australia, 97 пациентов, 1998–2019) и тестовая (Yale University, 111 пациентов, 1981–2010). Изображения гистологических срезов тестовой когорты использовались для оценки воспроизводимости между ИИ и визуальной оценкой патологоанатомами, проводимой по стандартам Clark и TIL-WG.
В исследовании приняли участие 98 специалистов из 45 учреждений: 40 патологоанатомов в группе традиционной оценки и 58 участников в группе с использованием ИИ, включая 11 патологоанатомов и 47 учёных с опытом в трансляционных исследованиях. Все участники прошли онлайн-курс FDA по оценке TIL, ориентированный на рак молочной железы, но адаптированный для задач по меланоме.
ИИ-алгоритм продемонстрировал высокую воспроизводимость: коэффициенты внутриклассовой корреляции (ICC) для всех пяти переменных AI-подсчёта TIL (включая eTILs, easTILs, esTILs, eaTILs и etTILs) превышали 0,90. Например, для eTILs ICC составил 0,94 (95% ДИ: 0,92–0,96). Визуальная оценка показала существенно меньшую согласованность: ICC для sTIL – 0,60 (95% ДИ: 0,51–0,70), а коэффициент согласия Кендалла (Clark system) – всего 0,44.
Оценки TIL, полученные с помощью ИИ, продемонстрировали значимые ассоциации с клиническими исходами. При медианном пороге отношение рисков (HR) составило 0,45 (95% ДИ: 0,26–0,80; p = 0,005), а при пороге 16,6 – HR = 0,56 (95% ДИ: 0,32–0,98; p = 0,04). Визуальная классификация TIL по шкале Clark не показала прогностической значимости (HR = 1,31; p = 0,28). В многофакторном анализе только ИИ-оценки и стадия заболевания сохраняли независимую прогностическую значимость.
Авторы подчёркивают, что ИИ-инструмент обеспечивает стандартизированную, воспроизводимую и прогностически значимую оценку TIL. Несмотря на ретроспективный характер исследования, доступность кода и данных делает возможным дальнейшую валидацию и интеграцию алгоритма в клиническую практику по лечению меланомы.