Исследование посвящено количественному анализу состава поджелудочной железы и бремени предраковых поражений (PanIN) у взрослых доноров с использованием методов искусственного интеллекта. Авторы применили конвейер глубокого обучения для сегментации изображений CODAvision к 410 высококачественным гистологическим срезам поджелудочной железы от доноров проекта GTEx в возрасте от 21 до 70 лет. Исследование выявило, что PanIN присутствуют у 83% доноров, однако медианное бремя не меняется с возрастом, хотя 90-й перцентиль увеличивается с 0,21% до 0,72% экзокринной ткани. Особое внимание уделено группе из 10% образцов с высоким выбросным бременем PanIN, которые преимущественно происходили от доноров с сахарным диабетом 2 типа и гипертонией; эти образцы характеризовались увеличенной долей стромы и повышенной плотностью фибробластов и иммунных клеток. Транскриптомный анализ 281 образца показал связь обилия PanIN с гастральной транскрипционной сигнатурой, включая гены VSIG1, TFF1 и MUC5AC. Результаты демонстрируют, что именно количественное бремя, а не просто наличие предраковых изменений, позволяет идентифицировать группы высокого риска, концентрируясь на метаболических фенотипах, что имеет важное значение для стратегий скрининга рака поджелудочной железы.