ИИ выявляет признаки рака мочевого пузыря за 5 лет до диагноза

Искусственный интеллект способен выявлять скрытые признаки рака мочевого пузыря уже за пять лет до клинической диагностики. Система анализирует совокупность симптомов, факторов риска, назначений лекарств и клинической активности в электронных медицинских картах пациентов. Наиболее высокая эффективность модели наблюдается в течение последних 12 месяцев перед постановкой диагноза.

Анализ 70 тысяч медицинских карт

Команда под руководством профессора Шан-Мина Чжоу из Центра медицинских технологий Университета Плимута проанализировала данные почти 70 000 пациентов, собранные в период с 1995 по 2020 год. Разработанная ими модель PRECISE-AGZ первоначально оценивала 48 261 потенциальный индикатор — от курения и физической активности до приёма лекарств. В итоге было выделено 38 наиболее информативных признаков, совместно указывающих на риск развития рака мочевого пузыря.

Точность и преимущества перед существующими протоколами

Система выявила 85 % пациентов с подтверждённым раком мочевого пузыря и корректно классифицировала 91 % пациентов без заболевания. Её диагностическая чувствительность превышает эффективность действующих рекомендаций NHS по направлению на обследование. Основной упор в текущей практике делается на видимую гематурию — кровь в моче, однако этот симптом неспецифичен и может быть вызван камнями в почках, доброкачественной гиперплазией предстательной железы и другими неонкологическими состояниями.

Новые ассоциации и клинические нюансы

PRECISE-AGZ подтвердила известные факторы риска — курение и гематурию, но также выявила ранее неописанные ассоциации: у пациентов с болезнью Паркинсона и деменцией риск рака мочевого пузыря оказался ниже, тогда как длительный приём тамоксифена — препарата для лечения рака молочной железы — коррелировал с повышенным риском. Эти связи не доказывают причинно-следственную зависимость, но указывают на возможные биологические взаимосвязи для дальнейшего изучения. Кроме того, значение гематурии оказалось контекстозависимым: у мужчин с доброкачественной гиперплазией предстательной железы её наличие ассоциировалось с более низким риском онкологии.

Трёхуровневая стратификация риска

Модель распределяет пациентов по трём категориям: низкий риск (менее 7 % вероятности), неопределённый диапазон («серая зона» — от 7 % до 55 %) и высокий риск (свыше 55 %). Такая стратификация позволяет оптимизировать распределение диагностических ресурсов: пациенты из «серой зоны» могут находиться под наблюдением без немедленного проведения цистоскопии — инвазивной процедуры, при которой тонкий эндоскоп с камерой вводится через уретру в мочевой пузырь для визуальной оценки.

Рак мочевого пузыря занимает девятое место по распространённости в мире: в 2022 году было зарегистрировано 614 000 новых случаев. Ежегодно от этого заболевания умирает около 220 000 человек. Рутинная скрининговая программа для населения отсутствует, а диагностика после появления симптомов по-прежнему опирается в основном на цистоскопию. «Наша система выходит далеко за рамки традиционных симптомов, и результаты, которые мы получили, впечатляют. Исследование показывает, что комбинация множества факторов — от истории лекарственной терапии до, казалось бы, несвязанных заболеваний — выявляет закономерности, недоступные для стандартных методов скрининга», — отметил аспирант Сюй Ван, руководивший анализом данных.

«Рак мочевого пузыря остаётся одной из важнейших нерешённых задач раннего выявления. Перспектива появления скринингового инструмента чрезвычайно важна для пациентов и их семей: он позволит точнее определить группу наибольшего риска, снизить вред от инвазивных процедур и выявить заболевание на самых ранних стадиях, когда прогноз выживаемости и качество жизни значительно улучшаются», — заявила доктор Хелен Уинтер, клинический директор Альянса по борьбе с раком графств Сомерсет, Уилтшир, Эйвон и Глостершир (SWAG).

«Эта работа знаменует собой парадигмальный сдвиг в сторону персонализированного скрининга рака мочевого пузыря. Используя интерпретируемое машинное обучение и полные электронные медицинские записи, мы приближаемся к возможности выявлять заболевание на самых ранних, наиболее поддающихся лечению стадиях. Важно подчеркнуть, что необходима дополнительная валидация в различных системах здравоохранения перед масштабным внедрением: все использованные в исследовании данные поступили из базы SAIL в Уэльсе, поэтому требуется проверка на других массивах. Также потребуются дополнительные исследования для подтверждения причинно-следственных связей, предполагаемых прогнозами модели», — добавил профессор Шан-Мин Чжоу.

Ссылка на публикацию: «Early Detection of Bladder Cancer Using Advanced Feature Engineering and Swarm Intelligence Optimization on EHRs» авторов Сюй Ван, Андреа Престон, Джонатан Энинг, Майкл Лойзус и Шан-Мин Чжоу, опубликована 26 января 2026 года в журнале IEEE Transactions on Biomedical Engineering. DOI: 10.1109/TBME.2026.3658230.