Czy AI może zapewnić dokładniejsze prognozy dotyczące raka?
Elizabeth Millard
Sept. 1, 2022 - Trudno jest określić, jak będzie wyglądała dalsza droga dla pacjenta z rakiem. Pod uwagę bierze się wiele dowodów, takich jak historia zdrowia i rodziny pacjenta, stopień i stadium zaawansowania nowotworu oraz cechy komórek nowotworowych. Ale ostatecznie, prognoza sprowadza się do pracowników służby zdrowia, którzy analizują fakty.
To może prowadzić do "dużej zmienności", mówi dr Faisal Mahmood, adiunkt w Division of Computational Pathology w Brigham and Women's Hospital. Pacjenci z podobnymi nowotworami mogą mieć bardzo różne prognozy, przy czym niektóre z nich są bardziej (lub mniej) trafne niż inne - mówi.
Dlatego on i jego zespół opracowali program sztucznej inteligencji (AI), który może stworzyć bardziej obiektywną - i potencjalnie dokładniejszą - ocenę. Celem badań było sprawdzenie, czy SI to wykonalny pomysł, a wyniki zespołu zostały opublikowane w Cancer Cell.
A ponieważ rokowanie jest kluczowe w podejmowaniu decyzji o leczeniu, większa dokładność może oznaczać większy sukces leczenia, mówi Mahmood.
"[Ta technologia] ma potencjał, aby generować bardziej obiektywne oceny ryzyka, a następnie bardziej obiektywne decyzje dotyczące leczenia" - mówi.
Tworzenie SI
Naukowcy opracowali SI wykorzystując dane z The Cancer Genome Atlas, publicznego katalogu profili różnych nowotworów.
Ich algorytm przewiduje wyniki leczenia raka na podstawie histologii (opisu guza i tego, jak szybko komórki rakowe mogą rosnąć) i genomiki (wykorzystującej sekwencjonowanie DNA do oceny guza na poziomie molekularnym). Histologia jest standardem diagnostycznym od ponad 100 lat, podczas gdy genomika jest stosowana coraz częściej, zauważa Mahmood.
"Obie są obecnie powszechnie stosowane w diagnostyce w głównych ośrodkach zajmujących się nowotworami" - mówi.
Aby przetestować algorytm, badacze wybrali 14 typów raka z największą ilością dostępnych danych. Kiedy połączono histologię i genomikę, algorytm podał dokładniejsze prognozy niż przy użyciu tylko jednego z tych źródeł informacji.
Nie tylko to, ale SI wykorzystała inne markery - takie jak odpowiedź immunologiczna pacjenta na leczenie - bez otrzymania polecenia, stwierdzili badacze. Może to oznaczać, że SI może odkryć nowe markery, o których jeszcze nie wiemy, mówi Mahmood.
Co dalej
Chociaż potrzeba więcej badań - w tym testów na dużą skalę i prób klinicznych - Mahmood jest przekonany, że ta technologia zostanie kiedyś wykorzystana dla prawdziwych pacjentów, prawdopodobnie w ciągu najbliższych 10 lat.
"W przyszłości zobaczymy wielkoskalowe modele AI zdolne do pobierania danych z wielu metod", mówi, takich jak radiologia, patologia, genomika, dokumentacja medyczna i historia rodziny.
Im więcej informacji może uwzględnić SI, tym dokładniejsza będzie jej ocena, mówi Mahmood.
"Wtedy będziemy mogli stale oceniać ryzyko pacjenta w sposób obliczeniowy, obiektywny".
