Искусственный интеллект в лечении глиобластомы — трансформация диагностики и терапии
Artificial Intelligence in Glioblastoma—Transforming Diagnosis and Treatment
2025-06-02
SCID: 54.1/c8ghx3fk
Discuss with AI
Искусственный интеллектГлиобластомаПерсонализированное лечениеРадиомикаСегментация опухоли
Figures from the paper
Abstract (AI)
Глиобластома (ГБМ) является наиболее агрессивной и распространенной первичной злокачественной опухолью головного мозга у взрослых и характеризуется неблагоприятным прогнозом и устойчивостью к лечению. Несмотря на достижения в разработке вариантов терапии, медиана выживаемости составляет примерно 15 месяцев, что подчеркивает необходимость создания новых эффективных методов лечения. Искусственный интеллект (ИИ) стал трансформирующей технологией в здравоохранении, обеспечивающей широкие возможности для анализа данных, распознавания закономерностей и поддержки принятия решений. В настоящем обзоре рассматривается современная и потенциальная роль ИИ в лечении ГБМ с акцентом на его применение для диагностики, планирования лечения, прогнозирования исходов и разработки лекарственных препаратов. Алгоритмы на основе ИИ продемонстрировали значительный потенциал для улучшения диагностики посредством анализа изображений, радиомики и сегментации опухоли. Эти технологии могут обеспечить неинвазивное молекулярное профилирование и раннее выявление ГБМ. При планировании лечения ИИ способен совершенствовать клинические подходы за счет оптимизации хирургической резекции, режимов лучевой терапии и протоколов химиотерапии. Кроме того, модели машинного обучения могут интегрировать мультимодальные данные для разработки персонализированного лечения. Они также способны повышать точность прогнозирования путем оценки выживаемости, риска рецидива и ответа на лечение, помогая врачам принимать более обоснованные решения. ИИ также революционизирует фармакотерапию, выявляя новые молекулярные мишени и оптимизируя комбинированную терапию. Несмотря на значительный прогресс, сохраняются серьезные проблемы. Ограниченные качество и объем данных, интерпретируемость алгоритмов, сложности интеграции и этические аспекты остаются существенными препятствиями для внедрения ИИ в клиническую практику. В обзоре подчеркивается необходимость продолжения исследований и междисциплинарного сотрудничества для преодоления этих барьеров и реализации трансформирующего потенциала ИИ в лечении ГБМ.
Key Findings
1
ИИ может способствовать разработке лекарств посредством выявления молекулярных мишеней и оптимизации комбинаций терапии, однако внедрение ограничивают проблемы качества и объёма данных, интерпретируемости, интеграции и этики.
2
ИИ может оптимизировать хирургическую резекцию, лучевую терапию и химиотерапию, а также интегрировать мультимодальные данные для персонализированного планирования лечения.
3
ИИ обладает потенциалом улучшить диагностику глиобластомы за счёт анализа изображений, радиомики, сегментации опухоли, раннего выявления и неинвазивного молекулярного профилирования.
4
Глиобластома остаётся крайне летальной и устойчивой к лечению опухолью со средней выживаемостью около 15 месяцев, что подчёркивает необходимость новых терапевтических стратегий.
5
Модели машинного обучения способны улучшить прогнозирование, оценивая выживаемость, рецидивы и ответ на лечение, тем самым поддерживая клинические решения.
Research Object
лечение и ведение пациентов с глиобластомой (GBM)
Research Subject
применение искусственного интеллекта для диагностики глиобластомы, планирования лечения, прогнозирования исходов и разработки лекарственных препаратов
Publication Details
Publication Date
2025-06-02
Journal
Publisher
ISSN
Cited by
19
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai4
Обзор роли искусственного интеллекта в здравоохранении2023
Эпидемиология мультиформной глиобластомы — обзор литературы2022
Интерпретируемость предсказательных моделей машинного обучения в здравоохранении2020
Федеративное обучение обеспечивает использование больших данных для выявления границ редких опухолей2022