APOLLO11: модель на основе биоданных для клинических и трансляционных исследований при раке легкого

Почему это важно для людей с раком легкого

Лечение рака легкого за последнее десятилетие претерпело серьезные изменения благодаря иммунотерапии и таргетным препаратам, но многие пациенты по-прежнему не получают выгоды от этих достижений. В этой статье описывается APOLLO11 — общенациональная итальянская инициатива по систематическому сбору реальных клинических данных и биологических образцов от пациентов с раком легкого и использованию искусственного интеллекта для понимания, кто и на какое лечение будет отвечать. Для пациентов и их семей это означает будущее, в котором выбор терапии будет основан на глубоком изучении опухоли и иммунной системы каждого человека, а не на методе проб и ошибок.

От подхода «один размер для всех» к лечению, руководимому данными

Авторы объясняют, что несмотря на появление мощных новых препаратов, примерно у половины пациентов с распространенным раком легкого либо не наступает ответ на лечение, либо вскоре развивается резистентность. Сегодняшние основные анализы крови и тканей слишком грубы, чтобы надежно предсказывать пользу от иммунотерапии или таргетных препаратов. Традиционные клинические исследования, проверяющие по одной гипотезе за раз на строго отобранных пациентах, не успевают за быстрым появлением новых лекарств и комбинаций. APOLLO11 создана для решения этого пробела: проект формирует долгосрочный, постоянно обновляемый ресурс, объединяющий рутинную клиническую информацию, снимки, лабораторные тесты и продвинутые биологические измерения от тысяч пациентов, лечившихся в повседневной практике по всей Италии.

Построение общенациональной обучающей сети

Проект объединяет десятки больниц, организованных по принципу «хаб-энд-споук»: крупные онкологические центры и университетские клиники сотрудничают с небольшими региональными госпиталями. Каждый центр фиксирует стандартизированную информацию через защищенную электронную платформу и, по возможности, хранит биологические образцы — опухолевую ткань, кровь и кал — в локальных морозильниках. Вместо того чтобы отправлять всё в единый склад, центры оставляют материалы на месте, а центральная команда ведет учёт того, что и где хранится. Такая структура позволяет небольшим больницам, которые лечат многих пациентов, но могут не иметь исследовательской инфраструктуры, вносить существенный вклад и обеспечивает представительность данных для реального разнообразия пациентов с раком легкого по всей стране.

Отслеживание болезни от снимков до клеток

APOLLO11 собирает несколько уровней информации о каждом участвующем пациенте, получающем «инновационную» терапию (по сути любую современную терапию, отличную от старой химиотерапии). Клинические данные включают возраст, стадию болезни, полученные лечения, побочные эффекты и выживаемость. Визуализационные данные — КТ, МРТ и ПЭТ-снимки в ключевые моменты — анализируются методами «радиомики», которые превращают тонкие паттерны на изображениях в тысячи количественных признаков. Биологические образцы используются для изучения ДНК опухоли, активности генов, белков, метаболитов, иммунных клеток организма и даже микробов, населяющих кишечник и ротовую полость. У некоторых пациентов иммунные клетки исследуют поштучно с помощью секвенирования на уровне одной клетки, чтобы выявить тонкие особенности поведения Т-клеток, нейтрофилов и других участников, которые могут определять ответ на иммунотерапию.

Обучение компьютеров распознавать схемы ответа на лечение

Поскольку ни один тест не способен отразить всю сложность рака, APOLLO11 планирует объединять все эти типы данных с помощью машинного обучения. Вместо отправки чувствительных сырых данных на единый центральный сервер многие анализы будут выполняться в формате «федеративного обучения», когда каждая больница обучает локальную модель и передаёт только обновления модели, но не записи на уровне пациентов. Итоговые алгоритмы будут разрабатываться с акцентом на объяснимость: инструменты покажут, какие признаки — например определённые паттерны иммунных клеток, характеристики снимков или генетические изменения — влияют на прогноз для конкретного пациента. Ранние исследования внутри консорциума уже изучают, как профиль иммунных клеток в крови соотносится с исходами при иммунотерапии у пациентов с распространенным немелкоклеточным раком легкого.

Обмен знаниями при защите конфиденциальности

Сеть также служит платформой для будущих научных вопросов. Исследователи из участвующих центров и даже из внешних организаций могут предлагать исследования. Руководящий комитет оценивает каждое предложение по клинической значимости, новизне, срочности и реализуемости. Когда вовлечены внешние группы, проект может генерировать синтетические наборы данных, имитирующие реальные данные без раскрытия информации об отдельных пациентах, что помогает сочетать открытость и строгие правила конфиденциальности, такие как GDPR в Европе. Такая модель управления направлена на справедливый, прозрачный доступ и поддержку работы, которая действительно может улучшить лечение.

Что это может значить для пациентов

Проще говоря, APOLLO11 превращает повседневную помощь пациентам с раком легкого в большую, живую лабораторию. Систематически извлекая уроки из реального опыта многих больниц и объединяя снимки, анализы крови, изучение опухоли и продвинутые вычисления, проект стремится создать инструменты, которые заранее подскажут врачам, какие пациенты вероятно выиграют от иммунотерапии или таргетных препаратов, кто рискует серьёзными побочными эффектами и кому потребуются альтернативные стратегии. Хотя остаются вызовы, такие как обеспечение постоянного качества данных и долгосрочное финансирование, авторы утверждают, что подобная сеть, основанная на данных, объяснимая и ориентированная на защиту приватности, является чертежом того, как сделать прецизионную медицину реальностью, а не просто обещанием, для людей с раком легкого.

Цитирование: Prelaj, A., Provenzano, L., Miskovic, V. et al. APOLLO11: a bio-data-driven model for clinical and translational research in lung cancer. npj Precis. Onc. 10, 96 (2026). https://doi.org/10.1038/s41698-026-01295-3

Ключевые слова: рак легкого, иммунотерапия, искусственный интеллект, данные из реальной практики, биобанк