ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-21
HRDPath: объяснимая мультимодельная архитектура глубокого обучения для прогнозирования дефицита гомологичной рекомбинации по гистопатологическим изображениям
Оригинальное название: HRDPath: an explainable multi-model deep learning architecture for predicting homologous recombination deficiency from histopathology images
Дефицит гомологичной рекомбинации (HRD) — ключевой биомаркер для принятия решений о лечении при серозной тубо-яичниковой карциноме высокой степени злокачественности, однако существующие геномные тесты вариабельны, дороги и трудоемки. Авторы разработали HRDPath — архитектуру глубокого обучения, которая прогнозирует статус HRD непосредственно по изображениям целых стекол без дополнительного молекулярного тестирования. Валидированная на трех когортах пациентов, модель достигла AUC 0.846, при этом чувствительность и специфичность обе достигли 0.90.