Гепатоцеллюлярная карцинома (ГЦК) остается одной из основных причин смертности от онкологических заболеваний печени, особенно у пациентов с хроническими вирусными гепатитами B и C, а также при метаболических заболеваниях печени. Современные мультиомные подходы, включающие одноклеточное РНК-секвенирование (scRNA-seq), анализ циркулирующей ДНК (cfDNA), профили метилирования и радиомику в сочетании с методами машинного обучения, открывают новые горизонты для персонализированной диагностики и прогнозирования развития ГЦК.

Интеграция различных омных подходов позволяет получить комплексную картину молекулярных изменений при трансформации гепатоцитов. Одноклеточное РНК-секвенирование обеспечивает детальный анализ гетерогенности опухолевых клеток и микроокружения, в то время как анализ циркулирующей ДНК дает возможность неинвазивного мониторинга мутационного статуса опухоли. Профили метилирования ДНК служат важными эпигенетическими маркерами канцерогенеза.

Алгоритмы машинного обучения способны интегрировать многомерные омные данные с клиническими параметрами, создавая прогностические модели высокой точности. Радиомные подходы, анализирующие текстурные характеристики изображений КТ и МРТ, в сочетании с молекулярными биомаркерами значительно повышают чувствительность и специфичность диагностики раннего ГЦК у пациентов группы риска с вирусными гепатитами B и C.

Интегративные мультиомные подходы в сочетании с машинным обучением представляют собой перспективное направление для создания персонализированных систем раннего выявления и прогнозирования ГЦК, что может существенно улучшить исходы лечения пациентов с хроническими заболеваниями печени.