Kunstmatige intelligentie identificeert alvleesklierkanker tot drie jaar vóór de diagnose

Een kunstmatige-intelligentiemodel ontwikkeld door onderzoekers van Clínica Mayo en Centro van Câncer MD Anderson detecteerde met verrassende nauwkeurigheid tekenen van alvleesklierkanker in CT-scans. Het systeem, genaamd REDMOD (op radiomics gebaseerd vroegtijdig detectiemodel), kon de ziekte ongeveer 16 maanden vóór de conventionele diagnose identificeren in ongeveer 73% van de geteste gevallen. Bij sommige onderzoeken herkende AI verdachte patronen meer dan twee jaar van tevoren, met een potentieel voor detectie tot drie jaar vóór klinische bevestiging.

Alvleesklierkanker is op weg om tegen 2030 de tweede belangrijkste doodsoorzaak door kanker te worden bij Estados Unidos. Atualmente: 85% van de diagnoses komt voor wanneer de ziekte zich al naar andere organen heeft verspreid, wat curatieve behandeling aanzienlijk bemoeilijkt. REDMOD lijkt een veelbelovend hulpmiddel om dit scenario om te keren door minimale veranderingen in routinematige onderzoeken te identificeren.

Como Het systeem detecteert signalen die onzichtbaar zijn voor het menselijk oog

REDMOD zoekt niet naar voor de hand liggende tumoren. In plaats daarvan zoekt het naar radiomische patronen – subtiele veranderingen in de textuur en structuur van pancreasweefsel die aan menselijke visuele detectie ontsnappen. Het model werd getraind met 969 CT-scans om de vroege tekenen van de ziekte te leren herkennen in stadia waarin deze nog te genezen is.

Normale Células ontwikkelen mutaties in hun DNA die hun groei beïnvloeden. Bij pancreaskanker duurt het vaak jaren voordat deze veranderingen zich ontwikkelen tot een tumor die zichtbaar is op beeldvormende onderzoeken of symptomen veroorzaakt. REDMOD kan deze onzichtbare progressie vastleggen lang voordat een tumor zich klinisch manifesteert.

Resultados presteert beter dan analyse door menselijke experts

De onderzoekers testten REDMOD op 63 CT-scans van patiënten die later alvleesklierkanker ontwikkelden, evenals op 430 controlescans van gezonde individuen. Het systeem identificeerde 46 van de 63 verdachte gevallen correct en behaalde een trefferpercentage van 73%.

Dois menselijke radiologen die dezelfde scans analyseerden, ontdekten in slechts 38,9% van de gevallen tegelijkertijd vroege tekenen. Het verschil vertegenwoordigt een aanzienlijk voordeel: het AI-model verdubbelde bijna de vroege detectiecapaciteit vergeleken met experts.

De tests werden herhaald op twee verschillende datasets met verschillende apparatuur in verschillende ziekenhuizen. In alle scenario’s behield REDMOD consistente prestaties. Para-patiënten bij wie meerdere scans beschikbaar waren, produceerde AI grotendeels op elkaar afgestemde resultaten, zelfs als de scans maanden na elkaar werden uitgevoerd.

Leia Também

Apple introduceert iOS 26.5 Beta 4 met de nadruk op prestaties en RCS-berichten

Video toont Ayrton Senna met driekleurenriem na het tweede kampioenschap van São Paulo in 1993

Anaconda verslindt wild varken in de kristalheldere rivier in Mato Grosso do Sul

Desafios en volgende stappen voor implementatie

Uit het onderzoek kwam een ​​belangrijk punt naar voren: van de 430 gezonde personen werden er 81 ten onrechte als verdacht aangemerkt door REDMOD. Als het in een reëel scenario zou worden geïmplementeerd, zouden deze mensen aanvullende tests ondergaan voordat ze een negatief resultaat zouden bevestigen. Refinamento met deze specificiteit vertegenwoordigt prioriteit om onnodige procedures te voorkomen.

• Toekomstige Validação in risicogroepen
• Testes in grotere en meer diverse populaties
• Integração in bestaande klinische processen
• Modelspecificatie Aprimoramento
• Acessibilidade in verschillende ziekenhuiscontexten

Radiologista Ajit Goenka van Clínica Mayo zegt dat het grootste obstakel voor het redden van levens bij alvleesklierkanker altijd het onvermogen is geweest om de ziekte op te sporen terwijl deze nog te genezen is. “Deze AI kan nu de kenmerken van kanker identificeren in een normaal ogende alvleesklier, en kan dit op betrouwbare wijze doen in de loop van de tijd en in verschillende klinische omgevingen.”

Caminho voor het veranderen van het diagnostische paradigma

Het echte potentieel van REDMOD ligt in de toepassing ervan op routinematige CT-scans die om andere redenen worden uitgevoerd. Médicos vraagt ​​vaak om pancreastests om niet-gerelateerde symptomen te onderzoeken. Als REDMOD deze beelden routinematig controleert, kan het kanker in het preklinische stadium detecteren, wanneer curatieve behandelingen nog effectief zijn.

De onderzoekers zijn van plan de tests uit te breiden naar grotere, meer diverse groepen. Também gaat onderzoeken hoe eenvoudig AI in bestaande medische workflows kan worden geïntegreerd. Het doel is om de huidige diagnose – gebaseerd op gevorderde symptomen – om te zetten in proactieve onderschepping van vroege ziekten.

De auteurs van het onderzoek benadrukken dat het aangetoonde vermogen van het raamwerk om op consistente wijze verborgen signalen te detecteren in grote, klinisch georiënteerde datasets, gecombineerd met de hoge stabiliteit in de tijd en de gevalideerde specificiteit, een solide basis legt voor AI-aangepaste vroege detectie. De onderzoekers zijn optimistisch dat ze, met voortdurende ontwikkeling en verfijning, een ongelooflijk nuttig systeem kunnen bieden tegen een van de dodelijkste vormen van kanker die er bestaan.