Sztuczna inteligencja identyfikuje raka trzustki do trzech lat przed diagnozą

Model sztucznej inteligencji opracowany przez badaczy z Clínica Mayo i Centro firmy Câncer MD Anderson wykrył oznaki raka trzustki w tomografii komputerowej z zaskakującą dokładnością. System o nazwie REDMOD (model wczesnego wykrywania oparty na radiomice) był w stanie zidentyfikować chorobę na około 16 miesięcy przed konwencjonalną diagnozą w około 73% zbadanych przypadków. W przypadku niektórych badań sztuczna inteligencja rozpoznawała podejrzane wzorce z ponad dwuletnim wyprzedzeniem, z możliwością wykrycia nawet do trzech lat przed potwierdzeniem klinicznym.

Rak trzustki jest na dobrej drodze, aby do 2030 r. stać się drugą najczęstszą przyczyną zgonów z powodu nowotworu w grupie Estados Unidos. Atualmente 85% diagnoz ma miejsce, gdy choroba rozprzestrzeniła się już na inne narządy, co znacznie utrudnia leczenie. REDMOD wydaje się obiecującym narzędziem umożliwiającym odwrócenie tego scenariusza poprzez identyfikację minimalnych zmian w rutynowych badaniach.

Como system wykrywa sygnały niewidoczne dla ludzkiego oka

REDMOD nie szuka oczywistych nowotworów. Zamiast tego szuka wzorców radiomicznych – subtelnych zmian w teksturze i strukturze tkanki trzustki, które wymykają się ludzkiemu wykryciu. Model został przeszkolony na podstawie 969 skanów tomografii komputerowej, aby nauczyć się rozpoznawać wczesne objawy choroby na etapach, w których jest ona jeszcze uleczalna.

U normalnego Células rozwijają się mutacje w DNA, które wpływają na ich wzrost. Rak trzustki często potrzebuje lat, aby zmiany te rozwinęły się w guz widoczny w badaniach obrazowych lub powodujący objawy. REDMOD może uchwycić ten niewidoczny postęp na długo przed pojawieniem się nowotworu klinicznie.

Resultados przewyższa analizę ekspercką przeprowadzaną na ludziach

Naukowcy przetestowali REDMOD na 63 skanach tomografii komputerowej pacjentów, u których później rozwinął się rak trzustki, a także 430 skanach kontrolnych zdrowych osób. System poprawnie zidentyfikował 46 z 63 podejrzanych przypadków, osiągając wskaźnik trafień na poziomie 73%.

Radiologowie Dois, którzy analizowali te same skany, jednocześnie wykryli wczesne objawy jedynie w 38,9% przypadków. Różnica stanowi znaczącą zaletę: model AI prawie dwukrotnie zwiększył zdolność wczesnego wykrywania w porównaniu z ekspertami.

Testy powtórzono na dwóch różnych zestawach danych, przy użyciu innego sprzętu i w różnych szpitalach. We wszystkich scenariuszach REDMOD utrzymywał stałą wydajność. W przypadku pacjentów z Para, dla których dostępnych było wiele skanów, sztuczna inteligencja zapewniła zasadniczo spójne wyniki, nawet jeśli skany wykonywano w odstępie kilku miesięcy.

Leia Também

O której zaczyna się występ Shakiry w Rio? Harmonogram, atrakcje „Todo Mundo no Rio” i gdzie oglądać na żywo

McLaren błyszczy zwycięstwem Norrisa w sprincie GP Miami

General Motors integruje system Google Gemini w czterech milionach pojazdów w Stanach Zjednoczonych

Desafios i kolejne kroki wdrożenia

W badaniu wskazano ważny punkt: spośród 430 zdrowych osób 81 zostało błędnie oznaczonych przez REDMOD jako podejrzane. Jeśli zostanie to wdrożone w realnym scenariuszu, osoby te zostaną poddane dodatkowym testom przed potwierdzeniem wyniku negatywnego. Refinamento tej specyfiki stanowi priorytet pozwalający uniknąć niepotrzebnych procedur.

• Potencjalny Validação w grupach wysokiego ryzyka
• Testes w większych i bardziej zróżnicowanych populacjach
• Integração w istniejących procesach klinicznych
• Specyfika modelu Aprimoramento
• Acessibilidade w różnych kontekstach szpitalnych

Radiologista Ajit Goenka z Clínica Mayo twierdzi, że największą przeszkodą w ratowaniu życia chorych na raka trzustki zawsze była niemożność wykrycia choroby, gdy jest ona jeszcze uleczalna. „Ta sztuczna inteligencja może teraz zidentyfikować oznaki raka w normalnie wyglądającej trzustce i może to zrobić niezawodnie w czasie i w różnych warunkach klinicznych”.

Caminho do zmiany paradygmatu diagnostycznego

Prawdziwy potencjał REDMOD leży w jego zastosowaniu do rutynowych tomografii komputerowej wykonywanych z innych powodów. Médicos często zleca badania trzustki w celu zbadania niepowiązanych objawów. Jeśli REDMOD rutynowo monitoruje te obrazy, może wykryć raka na etapie przedklinicznym, kiedy leczenie jest nadal skuteczne.

Naukowcy planują rozszerzyć testy na większe, bardziej zróżnicowane grupy. Projekt Também zbada łatwość włączenia sztucznej inteligencji do istniejących procesów medycznych. Celem jest przekształcenie obecnej diagnozy – opartej na zaawansowanych objawach – w proaktywne wykrywanie wczesnych chorób.

Autorzy badania podkreślają, że wykazana zdolność platformy do spójnego wykrywania ukrytych sygnałów w dużych, zorientowanych klinicznie zbiorach danych, w połączeniu z jej wysoką stabilnością w czasie i potwierdzoną specyficznością, stanowi solidną podstawę do wczesnego wykrywania wspomaganego sztuczną inteligencją. Naukowcy wyrażają optymizm, że dzięki ciągłemu rozwojowi i udoskonalaniu będą w stanie zaoferować niezwykle przydatny system przeciwko jednemu z najbardziej śmiercionośnych rodzajów nowotworów na świecie.