Kunstig intelligens identifiserer kreft i bukspyttkjertelen opptil tre år før diagnosen

En kunstig intelligensmodell utviklet av forskere ved Clínica Mayo og Centro av Câncer MD Anderson oppdaget tegn på kreft i bukspyttkjertelen i CT-skanninger med overraskende nøyaktighet. Systemet, kalt REDMOD (radiomics-based early detection model), var i stand til å identifisere sykdommen omtrent 16 måneder før konvensjonell diagnose i rundt 73 % av tilfellene som ble testet. I noen undersøkelser gjenkjente AI mistenkelige mønstre mer enn to år i forveien, med potensial for påvisning opptil tre år før klinisk bekreftelse.

Bukspyttkjertelkreft er på vei til å bli den nest ledende årsaken til kreftdød i Estados Unidos innen 2030. Atualmente, 85 % av diagnosene oppstår når sykdommen allerede har spredt seg til andre organer, noe som gjør kurativ behandling betydelig vanskelig. REDMOD fremstår som et lovende verktøy for å reversere dette scenariet ved å identifisere minimale endringer i rutinemessige eksamener.

Como systemet oppdager signaler som er usynlige for det menneskelige øyet

REDMOD ser ikke etter åpenbare svulster. I stedet ser den etter radiomiske mønstre – subtile endringer i tekstur og struktur til bukspyttkjertelvev som unngår menneskelig visuell deteksjon. Modellen ble trent med 969 CT-skanninger for å lære å gjenkjenne de tidlige tegnene på sykdommen i stadier der den fortsatt kan kureres.

Normale Células utvikler mutasjoner i deres DNA som påvirker deres vekst. Bukspyttkjertelkreft tar ofte år før disse endringene utvikler seg til en svulst som er synlig på bildestudier eller forårsaker symptomer. REDMOD kan fange opp denne usynlige progresjonen lenge før en svulst manifesterer seg klinisk.

Resultados overgår menneskelig ekspertanalyse

Forskerne testet REDMOD på 63 CT-skanninger av pasienter som senere utviklet kreft i bukspyttkjertelen, samt 430 kontrollskanninger av friske individer. Systemet identifiserte 46 av de 63 mistenkte tilfellene korrekt, og oppnådde en treffrate på 73 %.

Dois menneskelige radiologer som analyserte de samme skanningene, oppdaget samtidig tidlige tegn i bare 38,9 % av tilfellene. Forskjellen representerer en betydelig fordel: AI-modellen doblet nesten kapasiteten for tidlig deteksjon sammenlignet med eksperter.

Testene ble gjentatt på to forskjellige datasett med forskjellig utstyr på forskjellige sykehus. I alle scenarier opprettholdt REDMOD konsistent ytelse. Para-pasienter med flere tilgjengelige skanninger, ga AI bredt tilpassede resultater, selv når skanninger ble utført med måneders mellomrom.

Leia Também

Billettsalget til NFL-kampen i Rio begynner i tre etapper fra mai

PlayStation garanterer fremtredende plass i GTA 6-markedsføringskampanjen

Studien identifiserer kaffekomponenter som aktiverer beskyttelse mot cellulær aldring

Desafios og neste trinn for implementering

Studien identifiserte et viktig poeng: av de 430 friske individene ble 81 feil merket som mistenkte av REDMOD. Hvis de ble implementert i et reelt scenario, vil disse personene motta ytterligere tester før de bekrefter et negativt resultat. Refinamento med denne spesifisiteten representerer prioritet for å unngå unødvendige prosedyrer.

• Potensielle Validação i høyrisikogrupper
• Testes i større og mer mangfoldige populasjoner
• Integração i eksisterende kliniske prosesser
• Modellspesifisitet Aprimoramento
• Acessibilidade i ulike sykehussammenhenger

Radiologista Ajit Goenka fra Clínica Mayo sier at den største hindringen for å redde liv ved kreft i bukspyttkjertelen alltid har vært manglende evne til å oppdage sykdommen når den fortsatt kan kureres. “Denne kunstige intelligensen kan nå identifisere signaturen til kreft i en normal bukspyttkjertel, og kan gjøre det pålitelig over tid og i en rekke kliniske omgivelser.”

Caminho for å endre det diagnostiske paradigmet

Det virkelige potensialet til REDMOD ligger i dens anvendelse på rutinemessige CT-skanninger utført av andre grunner. Médicos ber ofte om bukspyttkjertelprøver for å undersøke urelaterte symptomer. Hvis REDMOD rutinemessig overvåker disse bildene, kan den oppdage kreft i det prekliniske stadiet, når kurative behandlinger fortsatt er effektive.

Forskerne planlegger å utvide testene til større, mer mangfoldige grupper. Também vil undersøke hvor enkelt det er å inkorporere AI i eksisterende medisinske arbeidsflyter. Målet er å transformere dagens diagnose – basert på avanserte symptomer – til proaktiv avlytting av tidlig sykdom.

Studieforfatterne fremhever at rammeverkets demonstrerte evne til konsekvent å oppdage skjulte signaler i store, klinisk orienterte datasett, kombinert med dets høye stabilitet over tid og validert spesifisitet, legger et solid grunnlag for AI-utvidet tidlig deteksjon. Forskerne uttrykker optimisme om at de med fortsatt utvikling og foredling vil kunne tilby et utrolig nyttig system mot en av de dødeligste krefttypene som finnes.