Искусственный интеллект (ИИ) активно разрабатывается для анализа рентгенологических, гистопатологических, молекулярных и клинических данных на всех этапах ведения пациентов с немелкоклеточным раком легкого (НМРЛ). Этот обзор рассматривает репрезентативные применения до августа 2026 года, фокусируясь на предполагаемом клиническом использовании, валидации и доказательствах, необходимых для влияния на клиническую практику.
Модели визуализации используются для детекции узлов, оценки вероятности злокачественности и прогнозирования будущего риска рака легкого. Однако предсказательная точность сама по себе не доказывает пользу изменения алгоритмов скрининга или диагностики. Необходима проспективная оценка влияния на клинические исходы.
В компьютерной патологии модели классифицируют ткани, количественно оценивают морфологические признаки и предсказывают отдельные молекулярные изменения. Foundation-модели расширяют эти возможности, но их оценка требует внимания к происхождению данных предобучения и независимости последующего тестирования.
Предсказание молекулярных изменений по гистологии в настоящее время не может заменить валидированные молекулярные тесты; приоритизация тестирования требует проспективной оценки в реальном клиническом процессе.
Модели, оцененные в когортах пациентов, получавших иммунотерапию, могут предсказывать ответ или выживаемость. Однако эти ассоциации не доказывают дифференциального преимущества между различными видами лечения и не обосновывают изменение терапевтической стратегии без проспективной валидации.
Основные ограничения включают:
- Селекция ретроспективных популяций
- Неполная оценка калибровки и клинически значимых порогов
- Неопределенная транспортируемость между популяциями
- Ограниченная оценка влияния моделей на реальную клиническую помощь
Доказательства должны интерпретироваться на уровне конкретной системы и конкретного клинического решения. Для перевода технической точности в клиническую пользу необходимы:
- Проспективная оценка
- Адекватные компараторы
- Четкие процедуры обработки ошибок
- Мониторинг после внедрения
Применение ИИ в НМРЛ демонстрирует технический прогресс, но клиническая польза требует строгой проспективной валидации в условиях реального использования.