Нейросеть Vision Transformer научилась определять мутации рака по обычному гистологическому стеклу

Vision Transformer, обученный на 11 000 случаях солидных опухолей из Pan-Cancer Atlas, по данным EurekAlert выдаёт семь параметров с одного гистопатологического стекла: тип рака, статус мутации TP53, экспрессию РНК TP53, общую выживаемость (OS) и безрецидивный период (PFI). Модель опубликована 13 августа 2026 в The American Journal of Pathology (издательство Elsevier), разработка — Menzies Institute for Medical Research, Университет Тасмании.

Физический принцип метода

Вход — стандартный WSI (whole slide image) в окраске гематоксилин-эозин. Фрагменты изображения извлекаются при 6× downsampling, что соответствует ~6.7× увеличению относительно исходного 40×. Никакого нового оборудования: модель работает с тем предметным стеклом, которое пациент уже сдал в гистологию. Выход — слайд-уровень, не отдельные клетки. Архитектура — Vision Transformer, один модуль генерирует семь выходов одновременно, без каскада независимых моделей.

Что это меняет в лабораторной логистике

1. Стандартное молекулярное профилирование TP53 через секвенирование дорого и малодоступно в удалённых клиниках, как отмечает соавтор исследования Alex W. Hewitt.

2. Гистопатология остаётся золотым стандартом диагностики солидных опухолей. Если модель пройдёт внешнюю валидацию, морфолог получит молекулярный прогноз без дополнительного забора материала и без NGS.

3. Калибровка под конкретную лабораторию — открытый вопрос. Референсные значения модели обучены на популяции Pan-Cancer Atlas; перенос на локальные когорты требует повторной калибровки и контроля дрейфа распределений.

Ограничения, которые нужно учитывать

• Специфичность и чувствительность по всем 32 типам опухолей в доступных материалах не приведены. Без этих метрик нельзя оценить долю ложноположительных результатов и ложноотрицательных пропусков.
• Модель предсказывает статус TP53 как суррогатный биомаркер. Полногеномное секвенирование она не заменяет — это инструмент скрининга, а не окончательной верификации.
• Артефакты визуализации (складки ткани, пузыри под покровным стеклом, неравномерная окраска) смещают карту внимания модели. В публикации примеры A–D демонстрируют, что низко-внимательные фрагменты нередко приходятся на неинформативные участки.
• Модель работает на уровне одного стекла. Гетерогенность опухоли и полевая вариабельность фиксации в расчёт не принимаются.

Что обсудить с врачом

• Если в заключении отсутствует молекулярный профиль — спросить, планируется ли NGS или достаточно стандартного протокола для конкретного типа опухоли.
• При назначении таргетной терапии уточнить метод определения статуса TP53: модель, иммуногистохимия, ПЦР или NGS. Разные методы дают несравнимые между собой референсные интервалы.
• Прогноз OS и PFI в месяцах — статистическая оценка на обучающей выборке, не индивидуальный приговор.
• До внедрения модели в клиническую практику результат AI-прогноза следует воспринимать как исследовательский, а не диагностический.

Для практикующих патоморфологов это сигнал к расширению компетенций в computational pathology. Переквалификация через модульные форматы, как обучение для взрослых с гибкой структурой, становится стандартом в профессии на стыке морфологии и биоинформатики.

Чек-лист перед визитом к онкологу

1. Запросить копию гистологического заключения и уточнить метод окраски (H&E — стандарт; при иммуногистохимии — клон антител).

2. Проверить, указаны ли в заключении молекулярные маркеры (TP53, рецепторы, мутационный статус по панели).

3. Если маркеры отсутствуют — задать вопрос о дополнительном тестировании и сроках.

4. Зафиксировать референсные значения лаборатории, выполнявшей исследование; сравнение корректно только внутри одного метода.

5. При расхождении данных между гистологией и молекулярным тестом — запросить пересмотр стекла с указанием причины.