Фундаментальная модель для скрининга рака молочной железы и легких с использованием неконтрастной компьютерной томографии

Почему один снимок для двух видов рака важен

Обычно скрининг рака выглядит как серия отдельных проверок: один тест для легких, другой — для молочных желез, каждая процедура увеличивает время, стоимость и дозу облучения. В этом исследовании рассматривается другая идея — можно ли с помощью искусственного интеллекта (ИИ) использовать один широко применяемый грудной снимок, чтобы одновременно «тихо» проверять и на рак легких, и на рак молочной железы. Если это удастся, такой подход может превратить рутинные снимки в двойную систему безопасности, особенно в загруженных больницах и регионах с ограниченными ресурсами.

Новый цифровой разведчик рака

Исследователи разработали систему ИИ под названием OMAFound, которая учится «читать» трехмерные КТ-снимки грудной клетки. В отличие от традиционных инструментов, обученных узко на один орган, эта система сначала изучает более 200 000 неаннотированных снимков от более чем 58 000 человек, просто чтобы понять, как в целом выглядят здоровая и пораженная грудная клетка. Такое широкое предварительное обучение позволяет ИИ уловить тонкие паттерны по всей области грудной клетки. Затем команда добавляет меньшие пронумерованные наборы данных с информацией о том, подтвердился ли у каждого пациента рак молочной железы, рак легких или ни тот, ни другой, обучая модель превращать общее понимание изображений в конкретные предсказания о раке.

Обучение одной системы наблюдать за двумя органами

Поверх общего ядра для чтения изображений команда создала две специализированные ветви: одну настроенную на признаки рака молочной железы и одну — на признаки рака легких. Они проводили обучение и тестирование этих ветвей на КТ-снимках более чем 150 000 пациентов из нескольких китайских больниц и международных наборов данных. Для рака молочной железы они также создали отдельную систему ИИ для чтения маммограмм, нынешнего стандартного метода скрининга, чтобы справедливо сравнить ИИ на основе КТ с установленной практикой у тех же женщин. В параллельных тестах на женщинах, у которых были оба типа изображений, ИИ для маммограмм в целом оказался немного точнее, но КТ-ветвь для молочной железы была более чувствительной — она находила больше случаев рака — тогда как маммография лучше справлялась с уменьшением ложных срабатываний.

От находок по органам к ответам на уровне пациента

Рассматривать каждый орган по отдельности может вводить в заблуждение: если обе ветви говорят «возможен рак», их комбинация может нереалистично указывать на два отдельных опухолевых очага у одного человека. Чтобы этого избежать, исследователи создали третий модуль ИИ, который объединяет информацию с обеих ветвей — молочной и легочной — в рамках одной КТ и решает, вероятно ли в целом наличие рака у пациента. Такой взгляд на уровне пациента соответствует клинической реальности, где люди гораздо чаще имеют один рак, если он вообще есть. Среди женщин в тестовых выборках эта комбинированная стратегия обеспечивала наилучший баланс — высокую чувствительность к существующим опухолям при сдерживании ложноположительных результатов — превосходя простые математические способы объединения выводов по органам.

Тестирование системы в реальном скрининге

Чтобы проверить работу OMAFound вне лаборатории, команда провела проспективное исследование в четырех медицинских центрах, наблюдая более 21 000 людей, пришедших на низкодозную КТ грудной клетки. У мужчин, для которых актуален только рак легких, система верно балансировала обнаружение рака и ложные тревоги примерно в 86% случаев. У женщин она достигла сбалансированной точности примерно 82% для рака молочной железы, 88% для рака легких и 83% при решении, есть ли у женщины вообще какой-либо рак. Исследователи также попросили семерых рентгенологов общей практики прочитать сложную выборку снимков сначала самостоятельно, а затем с оценками риска и тепловыми картами OMAFound, указывающими на подозрительные области. С помощью ИИ способность рентгенологов обнаруживать рак резко возросла — особенно для опухолей молочной железы — при этом их склонность к избыточным диагнозам не увеличилась.

Что это может значить для повседневной помощи

В целом исследование указывает на то, что одна низкодозная КТ грудной клетки, уже широко используемая для проверки легких, также могла бы служить дополнительным уровнем скрининга рака молочной железы при поддержке мощной системы ИИ. OMAFound не заменяет маммографию или экспертное суждение, но может раньше выявлять людей с высоким риском и помогать перегруженным клиницистам сосредоточить внимание там, где это наиболее необходимо. Превратив один распространенный снимок в наблюдение за несколькими видами рака, подход указывает на более эффективные, доступные и потенциально спасительные программы скрининга, без добавления дополнительных тестов, затрат или дозы облучения.

Цитирование: Liang, Z., Niu, Q., Wang, J. et al. A foundation model for breast and lung cancer screening using non-contrast computed tomography. Nat. Health 1, 403–415 (2026). https://doi.org/10.1038/s44360-026-00055-8

Ключевые слова: мульти-скрининг рака, низкодозная КТ, рак молочной железы, рак легких, медицинский ИИ