> ## Content Index
> Fetch the complete content index at: https://admin.kod.ru/llms.txt
> Use this file to discover other available public pages before exploring further.

# Учёные разработали ИИ для лечения редких видов рака через создание цифровых двойников пациентов
- URL: https://admin.kod.ru/ai-cancer-digital-system/
- Published: 2025-04-29T15:54:38.000Z
- Updated: 2025-05-13T03:34:17.000Z
- Description: Исследователи из онкологического центра Memorial Sloan Kettering Cancer Center (MSKCC) адаптировали искусственный интеллект для лечения редких.
- Author: Игорь Савкин
- Tags: Новости

Исследователи из онкологического центра Memorial Sloan Kettering Cancer Center (MSKCC) адаптировали искусственный интеллект для лечения редких видов рака. О проекте рассказал доктор наук и системный биолог Дмитрий Чебанов — автор идеи и реализации.

Под научным руководством профессора Куэйда Морриса из Корнелльского университета команда разработала ИИ-систему, которая не просто анализирует существующие данные, а создает виртуальных «цифровых пациентов». Этот подход позволяет восполнить дефицит молекулярной информации о редких опухолях, что особенно важно при ограниченном количестве реальных образцов.

> Обычно ИИ в медицине используют для поиска нужной информации в электронных картах пациентов. Но здесь применён принципиально новый подход: модель сама создаёт новые молекулярные профили, а не просто читает уже существующие. Это первый случай применения такой технологии для генерации синтетических данных о раке, — говорит автор исследования, системный биолог Дмитрий Чебанов.

В отличие от традиционных медицинских ИИ, которые ищут информацию в электронных медицинских картах, новая модель генерирует собственные молекулярные профили опухолей. Это впервые позволило создать синтетические данные для таких сложных случаев, что открывает новые перспективы для персонализированной терапии и ускоряет разработку лекарств.

Для проверки эффективности разработчики обучили диагностический классификатор на виртуальных пациентах. Результаты показали, что точность постановки диагнозов на реальных данных с использованием этой технологии выше, чем у моделей, обученных только на естественных примерах. Новая система также позволяет быстро заполнять пробелы в профилях опухолей, что критически важно для своевременного начала лечения.