Объяснимая ИИ-аналитика участков человеческой поджелудочной железы выявляет черты сахарного диабета 2-го типа

Почему это исследование важно для повседневного здоровья

Сахарный диабет 2-го типа поражает сотни миллионов людей, но врачам по‑прежнему трудно увидеть чёткие физические признаки болезни внутри поджелудочной железы — органа, который вырабатывает инсулин. В этом исследовании мощный искусственный интеллект в сочетании с продвинутой микроскопией считывает тонкие паттерны в тканях человека, невидимые невооружённым глазом. Это позволяет выявить новые структурные черты, связанные с диабетом 2-го типа, и наметить свежие идеи для диагностики, профилактики и лечения.

Заглядывая в поджелудочную железу с беспрецедентной детализацией

Традиционно учёные изучали ткани поджелудочной железы от умерших доноров в поисках изменений, связанных с диабетом 2-го типа, таких как рубцевание, отложения жира или утрата клеток, производящих инсулин. Эти исследования породили длинный список возможных аномалий, но ни одна из них не была достаточно надёжной, чтобы патолог мог по слайду с уверенностью сказать, болел ли человек диабетом. В этой работе исследователи собрали уникальную коллекцию ультра-высокого разрешения изображений из образцов поджелудочной, взятых во время операций у 100 живых доноров — 35 с диабетом 2-го типа и 65 без. Каждый образец был окрашен разными способами, чтобы выделить разные типы клеток: клетки, производящие гормоны в островках Лангерганса, кровеносные сосуды, жировые клетки и нервные волокна. Этот богатый визуальный набор данных, слишком сложный для полного анализа человеком, — как раз та область, где преуспевает искусственный интеллект.

Обучение ИИ распознавать диабетическую поджелудочную

Команда обучила модели глубокого обучения различать ткани от людей с диабетом 2-го типа и без него. Поскольку каждое изображение всего слайда содержит миллиарды пикселей, их сначала разбивали на множество маленьких фрагментов. Предобученный визуальный трансформер извлекал признаки из каждого фрагмента, а специализированный классификатор «множественного обучения на примерах» затем объединял информацию со всех фрагментов слайда, чтобы решить, принадлежит ли он донору с диабетом или без. Чтобы избежать переобучения, применяли повторную перекрёстную проверку и усредняли прогнозы 15 отдельных моделей. Лучшая производительность была достигнута на мультиплексных флуоресцентных изображениях, которые одновременно выделяли альфа-клетки, дельта-клетки и нервные волокна, с площадью под кривой 0,956 — это сильное свидетельство того, что ИИ надёжно «видит» паттерны, связанные с диабетом, которые патологам не удалось формализовать.

Делаем «чёрный ящик» объяснимым

Однако одной только прогностики было недостаточно: авторы стремились к биологическому пониманию. Поэтому они применили методы объяснимого ИИ, показывающие, на какие области и пиксели модель опирается при принятии решений. Карты внимания выделяли наиболее влиятельные участки по всему слайду, а методы атрибуции доходили до уровня отдельных клеток и структур. Чтобы превратить эти цветные тепловые карты в числа, команда обучила отдельные сети сегментации, которые автоматически обводили островки, кластеры жировых клеток и соединительную (фиброзную) ткань. Затем они количественно оценили такие признаки, как размер островков, общая площадь жира, число жировых кластеров, расстояние между островками и соседним жиром, а также степень фиброза, и проанализировали, как эти «гистологические биомаркеры» связаны со статусом диабета и секрецией инсулина, учитывая возраст, пол, индекс массы тела и другие клинические факторы.

Новые подсказки: жир, нервы, рубцы и уменьшающиеся островки

ИИ-аналитика выявила несколько устойчивых черт диабетической поджелудочной железы. У людей с диабетом 2-го типа островки имели тенденцию к уменьшению в размерах, а внутри поджелудочной образовывались более крупные скопления жировых клеток. Важно, что островки у доноров с диабетом находились ближе к этим жировым отложениям, что указывает на более прямое местное влияние жировой ткани на клетки, вырабатывающие гормоны. Количество соединительной, рубцеобразной ткани также было выше при диабете и связано с ухудшением секреции инсулина. Одновременно модели ИИ придавали заметное значение структурам, окрашенным в маркер тубулина бета-3, специфичному для нервных волокон, особенно когда эти волокна проходили через островки или рядом с ними. Это указывает на изменения иннервации поджелудочной — то есть на то, как нервы взаимодействуют с клетками островков — как на потенциально важный и недооценённый фактор, способствующий диабету 2-го типа. В совокупности эти результаты говорят о том, что важны не только сами бета-клетки, но и их окружение: ближайшие жировые клетки, рубцы, сосуды и нервы формируют здоровье островков.

Что это значит для будущего лечения

Для неспециалистов ключевое послание в том, что диабет 2-го типа оставляет тонкий, но обнаруживаемый след в архитектуре поджелудочной железы. Комбинируя высокоразрешающую визуализацию с объяснимым ИИ, это исследование переводит эти паттерны в измеримые признаки — такие как размер островков, распределение жира, наличие нервов и степень фиброза — которые коррелируют с диабетом и с тем, насколько хорошо организм ещё способен вырабатывать инсулин. Хотя этот подход пока не является инструментом для рутинной диагностики, он даёт мощную дорожную карту для поиска новых мишеней лекарств и уточнения нашего понимания механизмов развития диабета. В перспективе выводы из такой ИИ-управляемой анализа тканей могут помочь врачам лучше прогнозировать риск, отслеживать прогрессирование болезни и разрабатывать терапии, защищающие не только бета-клетки, но и окружающую панкреатическую среду.

Цитирование: Klein, L., Ziegler, S., Gerst, F. et al. Explainable AI-based analysis of human pancreas sections identifies traits of type 2 diabetes. Nat Commun 17, 1558 (2026). https://doi.org/10.1038/s41467-026-69295-2

Ключевые слова: сахарный диабет 2 типа, поджелудочная железа, искусственный интеллект, гистопатология, биомаркеры