Машинное обучение показывает высокую точность, но требует перспективной валидации при МПЗ

Отчет AJMC охватывает обзор под названием "Artificial intelligence in myeloproliferative neoplasms: from digital bone marrow pathology to clinical decision support,"[1] который был опубликован онлайн в Blood Reviews 23 октября 2026 года[1].Согласно аннотации обзора на ScienceDirect, авторы выполнили поиск в PubMed/MEDLINE до августа 2026 года с дополнением путем ручного поиска и аннотаций конференций[2]. В аннотации говорится, что ИИ добился прогресса в таких областях, как автоматизированный анализ биопсии костного мозга, сегментация объема селезенки, прогнозирование ответа на терапию и компьютерное открытие лекарств[2].Авторы также отмечают, что "большинство опубликованных моделей на сегодняшний день остаются ограниченными внутренней валидацией или валидацией в одной когорте"[2]. Они добавляют, что "перспективная оценка была сообщена только для прогнозирования фиброза на основе подсчета клеток крови."[2]AJMC сообщает, что рассматриваемый инструмент FIBOM-AI использует 27 переменных общего анализа крови плюс возраст для определения фиброза ретикулина 2-3 степени[1]. Издание сообщает, что он получил AUC 0,92 во внешней когорте и точность 85,2% при применении перспективно в повседневной практике[1].Запись PubMed исследования FIBOM-AI в The Lancet Haematology указывает, что перспективная когорта включала 493 пациентов из пяти центров[3] в 2024 году. По данным AJMC, разработчики рассматривают его как инструмент сортировки, а не замену биопсии[1].Авторы обзора пришли к выводу, как цитирует AJMC, что прогресс потребует "перспективных исследований валидации, ориентированных на результаты."[1]