Штучний інтелект визначає рак підшлункової залози за три роки до постановки діагнозу

Модель штучного інтелекту, розроблена дослідниками Clínica Mayo і Centro з Câncer MD Anderson, виявила ознаки раку підшлункової залози на КТ з дивовижною точністю. Система під назвою REDMOD (модель раннього виявлення на основі радіотехніки) змогла визначити хворобу приблизно за 16 місяців до традиційної діагностики приблизно в 73% перевірених випадків. У деяких дослідженнях штучний інтелект розпізнавав підозрілі моделі більш ніж за два роки наперед, з можливістю виявлення до трьох років до клінічного підтвердження.

До 2030 року рак підшлункової залози має стати другою провідною причиною смерті від раку в Estados Unidos. Atualmente, 85% діагнозів ставляться, коли хвороба вже поширилася на інші органи, що значно ускладнює лікування. REDMOD виглядає як багатообіцяючий інструмент для зміни цього сценарію шляхом визначення мінімальних змін у звичайних обстеженнях.

Como система виявляє сигнали, невидимі для людського ока

REDMOD не шукає явних пухлин. Замість цього він шукає радіомодульні візерунки – тонкі зміни в текстурі та структурі тканини підшлункової залози, які люди не можуть помітити. Модель пройшла навчання за допомогою 969 КТ, щоб навчитися розпізнавати ранні ознаки хвороби на стадіях, коли вона ще виліковна.

Нормальні Células розвивають мутації в ДНК, які впливають на їх ріст. Рак підшлункової залози часто потребує років, перш ніж ці зміни переростуть у пухлину, яку можна побачити на візуалізаційних дослідженнях або викликає симптоми. REDMOD може зафіксувати цю невидиму прогресію задовго до того, як пухлина проявить себе клінічно.

Resultados перевершує людський експертний аналіз

Дослідники протестували REDMOD на 63 КТ пацієнтів, у яких пізніше розвинувся рак підшлункової залози, а також на 430 контрольних скануваннях здорових людей. Система правильно ідентифікувала 46 із 63 підозрюваних випадків, досягнувши показника влучень 73%.

Рентгенологи Dois, які аналізували ті самі скани одночасно, виявили ранні ознаки лише в 38,9% випадків. Різниця є значною перевагою: модель AI майже вдвічі збільшила здатність раннього виявлення порівняно з експертами.

Тести повторювали на двох різних наборах даних з різним обладнанням у різних лікарнях. У всіх сценаріях REDMOD підтримував стабільну продуктивність. Пацієнти Para з кількома доступними скануваннями, штучний інтелект давав широко узгоджені результати, навіть якщо сканування проводилося з інтервалом у кілька місяців.

Leia Também

Випадкове відкриття космічного випромінювання в антені відкриває доказ Великого вибуху

Академія затверджує кілька номінацій для акторів в одній категорії Оскар 2027

Nintendo Switch 2 отримає дев’ять ігор у травні з екшенами та пригодами

Desafios і наступні кроки для впровадження

Дослідження виявило важливий момент: із 430 здорових осіб 81 був помилково позначений REDMOD як підозрілий. Якщо це реалізувати в реальному сценарії, ці люди пройдуть додаткові тести, перш ніж підтвердити негативний результат. Refinamento цієї специфіки представляє пріоритет, щоб уникнути непотрібних процедур.

• Проспективний Validação у групах високого ризику
• Testes у більших і різноманітніших популяціях
• Integração в існуючих клінічних процесах
• Специфіка моделі Aprimoramento
• Acessibilidade у різних лікарняних контекстах

Radiologista Ajit Goenka з Clínica Mayo каже, що найбільшою перешкодою для порятунку життів при раку підшлункової залози завжди була нездатність виявити хворобу, коли вона ще виліковна. «Цей штучний інтелект тепер може ідентифікувати ознаки раку в нормальній підшлунковій залозі, і може робити це надійно з часом і в різних клінічних умовах».

Caminho для зміни діагностичної парадигми

Справжній потенціал REDMOD полягає в його застосуванні до звичайних КТ-сканувань, які виконуються з інших причин. Médicos часто вимагає аналізів підшлункової залози, щоб дослідити непов’язані симптоми. Якщо REDMOD буде регулярно контролювати ці зображення, він зможе виявити рак на доклінічній стадії, коли лікування ще є ефективним.

Дослідники планують розширити тести на більші, більш різноманітні групи. Também досліджуватиме легкість включення ШІ в існуючі медичні робочі процеси. Мета полягає в тому, щоб перетворити поточну діагностику – засновану на запущених симптомах – у проактивне перехоплення раннього захворювання.

Автори дослідження підкреслюють, що продемонстрована здатність фреймворку послідовно виявляти приховані сигнали у великих, клінічно орієнтованих наборах даних у поєднанні з його високою стабільністю в часі та підтвердженою специфічністю закладає міцну основу для раннього виявлення, доповненого ШІ. Дослідники висловлюють оптимізм, що за умови постійного розвитку та вдосконалення вони зможуть запропонувати неймовірно корисну систему проти одного з найсмертоносніших типів раку.