Umělá inteligence identifikuje rakovinu slinivky až tři roky před diagnózou

Model umělé inteligence vyvinutý výzkumníky z Clínica Mayo a Centro z Câncer MD Anderson detekoval známky rakoviny slinivky břišní při CT skenech s překvapivou přesností. Systém nazvaný REDMOD (model včasné detekce založený na radiomice) byl schopen identifikovat onemocnění přibližně 16 měsíců před konvenční diagnózou v přibližně 73 % testovaných případů. U některých vyšetření umělá inteligence rozpoznala podezřelé vzory více než dva roky předem, s možností detekce až tři roky před klinickým potvrzením.

Rakovina slinivky břišní je na dobré cestě stát se do roku 2030 druhou hlavní příčinou úmrtí na rakovinu v Estados Unidos. Atualmente, 85 % diagnóz se vyskytuje, když se onemocnění již rozšířilo do jiných orgánů, což výrazně ztěžuje kurativní léčbu. REDMOD se jeví jako slibný nástroj ke zvrácení tohoto scénáře identifikací minimálních změn v rutinních vyšetřeních.

Como systém detekuje signály neviditelné pro lidské oko

REDMOD nevyhledává zjevné nádory. Místo toho hledá radiomické vzory – jemné změny ve struktuře a struktuře pankreatické tkáně, které unikají lidské vizuální detekci. Model byl trénován pomocí 969 CT skenů, aby se naučil rozpoznávat rané příznaky nemoci ve stádiích, kdy je ještě léčitelná.

Normální Células vyvíjí mutace ve své DNA, které ovlivňují jejich růst. Rakovině pankreatu často trvá roky, než se tyto změny vyvinou v nádor, který je viditelný na zobrazovacích studiích nebo způsobuje příznaky. REDMOD dokáže zachytit tuto neviditelnou progresi dlouho předtím, než se nádor klinicky projeví.

Resultados překonává lidskou expertní analýzu

Vědci testovali REDMOD na 63 CT skenech pacientů, u kterých se později vyvinula rakovina slinivky, a také na 430 kontrolních skenech zdravých jedinců. Systém správně identifikoval 46 z 63 podezřelých případů a dosáhl úspěšnosti 73 %.

Lidští radiologové Dois, kteří analyzovali stejné skeny, současně detekovali časné příznaky pouze v 38,9 % případů. Rozdíl představuje významnou výhodu: model AI téměř zdvojnásobil kapacitu včasné detekce ve srovnání s odborníky.

Testy byly opakovány na dvou různých souborech dat s různým vybavením v různých nemocnicích. Ve všech scénářích si REDMOD zachoval konzistentní výkon. U pacientů s Para, kteří měli k dispozici více skenů, AI produkovala široce zarovnané výsledky, a to i v případě, že skenování byla provedena s odstupem měsíců.

Leia Também

V kolik hodin začíná Shakiřina show v Riu? Harmonogram, atrakce ‘Todo Mundo no Rio’ a kde jej sledovat živě

McLaren září vítězstvím Norrise ve sprintu GP Miami

General Motors integruje systém Google Gemini do čtyř milionů vozidel ve Spojených státech

Desafios a další kroky k implementaci

Studie odhalila důležitý bod: ze 430 zdravých jedinců bylo 81 nesprávně označeno jako podezřelí organizací REDMOD. Pokud by byla implementována v reálném scénáři, tito lidé by před potvrzením negativního výsledku dostali další testy. Refinamento této specifičnosti představuje prioritu, aby se zabránilo zbytečným procedurám.

• Prospektivní Validação ve vysoce rizikových skupinách
• Testes ve větších a rozmanitějších populacích
• Integração ve stávajících klinických procesech
• Specifičnost modelu Aprimoramento
• Acessibilidade v různých nemocničních kontextech

Radiologista Ajit Goenka z Clínica Mayo říká, že největší překážkou záchrany životů u rakoviny slinivky byla vždy neschopnost odhalit nemoc, když je ještě léčitelná. “Tato umělá inteligence nyní dokáže identifikovat příznaky rakoviny v normálně vypadajícím slinivce a dokáže to spolehlivě v průběhu času a v různých klinických podmínkách.”

Caminho pro změnu diagnostického paradigmatu

Skutečný potenciál REDMOD spočívá v jeho aplikaci na rutinní CT vyšetření prováděná z jiných důvodů. Médicos často vyžaduje testy slinivky břišní, aby prozkoumaly nesouvisející příznaky. Pokud bude REDMOD tyto snímky rutinně monitorovat, mohl by detekovat rakovinu v preklinickém stadiu, kdy je kurativní léčba stále účinná.

Vědci plánují rozšířit testy na větší, rozmanitější skupiny. Também prozkoumá snadnost začlenění umělé inteligence do stávajících lékařských pracovních postupů. Cílem je přeměnit současnou diagnózu – založenou na pokročilých symptomech – na proaktivní zachycení časného onemocnění.

Autoři studie zdůrazňují, že prokázaná schopnost rámce konzistentně detekovat skryté signály ve velkých, klinicky orientovaných souborech dat, v kombinaci s jeho vysokou stabilitou v čase a ověřenou specifitou, pokládá pevný základ pro včasnou detekci rozšířenou o AI. Vědci vyjadřují optimismus, že s neustálým vývojem a zdokonalováním budou schopni nabídnout neuvěřitelně užitečný systém proti jednomu z nejsmrtelnějších typů rakoviny.