Sztuczna inteligencja wykrywa oznaki raka trzustki na długo przed diagnozą

• Wczesne wykrywanie: System sztucznej inteligencji REDMOD potrafi rozpoznać ukryte sygnały raka trzustki średnio 475 dni przed oficjalną diagnozą lekarską.
• Przewaga nad radiologami: Algorytm osiągnął ogólną czułość na poziomie 73 proc. (wobec 39 proc. uzyskanych przez lekarzy), a przy skanach sprzed dwóch lat był blisko trzykrotnie skuteczniejszy.
• Szansa na przeżycie: Wczesna diagnoza może ponad dwukrotnie podnieść wskaźniki przeżywalności u pacjentów z jednym z najgorzej rokujących nowotworów.
• Automatyczna analiza: Narzędzie wykorzystuje analizę mikroskopowych tekstur tkanki i samoistnie wyznacza granice narządu, eliminując błędy ludzkie.
• Dalsze badania: Zanim technologia trafi do powszechnego użytku, wymaga jeszcze potwierdzenia w próbach klinicznych na zróżnicowanych grupach wysokiego ryzyka.

W badaniach klinicznych opublikowanych w czasopiśmie Gut wykazano, że REDMOD miał w testach niemal dwukrotnie wyższą czułość niż doświadczeni radiolodzy. Wykrycie zmian na najwcześniejszym etapie może w wyraźny sposób zwiększyć szanse na skuteczne leczenie jednego z najgroźniejszych nowotworów.

Według informacji Agencji Badań Medycznych każdego roku w Polsce u około 3,5 tys. osób stwierdza się nowotwór trzustki. Gruczolakorak przewodowy trzustki (PDAC) to najczęstsza i zarazem najbardziej agresywna postać tej choroby.

Charakteryzuje się bardzo niskim wskaźnikiem przeżywalności, co wynika z faktu, że przeważnie jest diagnozowany dopiero w stadium zaawansowanym. Wczesna faza niemal nie daje objawów, a strukturalne zmiany w tkance są zbyt subtelne, by mogło je dostrzec ludzkie oko na standardowych obrazach z tomografii komputerowej (TK).

Tylko około 10 proc. pacjentów z tym rodzajem raka dożywa pięciu lat od postawienia diagnozy. Szacuje się, że do 2030 r. gruczolakorak przewodowy stanie się drugą najczęstszą przyczyną zgonów nowotworowych na świecie.

Odpowiedzią na ten problem ma być opracowany przez naukowców z Mayo Clinic system REDMOD (Radiomics-based Early Detection MODel). Wykorzystuje on radiomikę – zaawansowaną analizę mikroskopowych wzorów i tekstur tkanek widocznych na obrazach medycznych.

System REDMOD automatycznie wykrywa i obrysowuje granice trzustki, oddzielając ją od sąsiednich narządów. Wyeliminowanie konieczności ręcznego zaznaczania narządu przez lekarza nie tylko skraca czas analizy, ale także wyklucza błędy wynikające z subiektywnej oceny różnych specjalistów.

Aby sprawdzić skuteczność systemu, naukowcy przeanalizowali skany TK jamy brzusznej 219 pacjentów z kilku ośrodków. W momencie wykonywania badań radiolodzy nie stwierdzili u nich żadnych zmian nowotworowych, jednak z czasem u wszystkich tych osób zdiagnozowano raka trzustki.

Skany pochodziły z różnych okresów poprzedzających rozpoznanie:

• u 40 proc. pacjentów wykonano je od 3 do 12 miesięcy wcześniej,
• u 35 proc. – od 12 do 24 miesięcy wcześniej,
• u 25 proc. – od 24 do nawet 36 miesięcy przed diagnozą.

Obrazy te zestawiono z grupą kontrolną 1243 osób w podobnym wieku i tej samej płci, u których w ciągu kolejnych trzech lat nie rozwinął się nowotwór.

REDMOD pomyślnie zidentyfikował niewidoczne wcześniej sygnały nowotworowe średnio na 475 dni (ponad rok i 3 miesiące) przed postawieniem diagnozy klinicznej.

Jak podkreślają autorzy badania, wykrycie choroby na tak wczesnym etapie diametralnie podnosi prawdopodobieństwo wyleczenia. Z opracowanych przez nich modeli matematycznych wynika, że zwiększenie odsetka wcześnie wykrytych, zlokalizowanych przypadków z 10 do 50 proc. ponad dwukrotnie podniosłoby wskaźniki przeżywalności. Czas postawienia diagnozy jest najważniejszym czynnikiem decydującym o rokowaniu.

Wyniki badania wykazały wyraźną przewagę algorytmu nad ludzkim okiem. REDMOD osiągnął czułość (zdolność testu do prawidłowego identyfikowania osób chorych) na poziomie 73 proc., podczas gdy doświadczeni radiolodzy uzyskali jedynie 39 proc.

Różnica była jeszcze bardziej widoczna przy badaniach wykonanych z dużym wyprzedzeniem. AI osiągnęła skuteczność 68 proc., niemal trzykrotnie przewyższając wynik radiologów (23 proc.). W niezależnej grupie 539 zdrowych pacjentów algorytm prawidłowo zaklasyfikował 81 proc. skanów jako wolne od nowotworu. Na referencyjnym zbiorze danych NIH osiągnął wynik 87,5 proc.

Ponadto analizy skanów tego samego pacjenta wykonanych w odstępie kilku miesięcy dawały spójne diagnozy w 90–92 proc. przypadków.

Choć wyniki są niezwykle obiecujące, badacze zaznaczają, że technologia wymaga dalszych testów. Dotychczasowa próba nie była wystarczająco zróżnicowana etnicznie, a sam algorytm musi przejść formalne próby kliniczne na grupach wysokiego ryzyka (np. u osób z nagłą, niewyjaśnioną utratą wagi czy nowo zdiagnozowaną cukrzycą).

Jeśli wstępne rezultaty się potwierdzą, REDMOD może zrewolucjonizować walkę z rakiem trzustki – przenosząc ciężar z późnej diagnostyki objawowej na wczesne wykrywanie choroby w stadium przedklinicznym.

Źródło: sciencedaily.com