Ένα νέο μοντέλο τεχνητής νοημοσύνης μπορεί να βοηθήσει τους γιατρούς να εντοπίζουν σημάδια καρκίνου του παγκρέατος σε αξονικές τομογραφίες έως και τρία χρόνια πριν από την κλινική διάγνωση, σύμφωνα με νέα μελέτη της Mayo Clinic που δημοσιεύθηκε στο επιστημονικό περιοδικό Gut.
- Γράφει η Χριστίνα Χατζηπαλαμουτζή
Το σύστημα αναγνωρίζει ανεπαίσθητα μοτίβα στον παγκρεατικό ιστό, τα οποία δεν είναι ορατά στο ανθρώπινο μάτι και προηγούνται της εμφάνισης μετρήσιμου όγκου.
Το μοντέλο REDMOD και τα «αόρατα» σημάδια στον ιστό
Το νέο εργαλείο ονομάζεται Radiomics-based Early Detection Model, ή REDMOD. Πρόκειται για πλαίσιο τεχνητής νοημοσύνης που αναλύει εκατοντάδες ποσοτικά χαρακτηριστικά της εικόνας, όπως η υφή και η δομή του ιστού, προκειμένου να εντοπίσει πολύ πρώιμες βιολογικές αλλαγές στο πάγκρεας.
Οι ερευνητές χρησιμοποίησαν σχεδόν 2.000 αξονικές τομογραφίες, μεταξύ των οποίων εξετάσεις ασθενών που αργότερα διαγνώστηκαν με καρκίνο παγκρέατος. Οι συγκεκριμένες εξετάσεις είχαν αρχικά χαρακτηριστεί φυσιολογικές και είχαν γίνει για άλλους λόγους, όχι επειδή υπήρχε ήδη υποψία καρκίνου.
Η σημασία του ευρήματος είναι μεγάλη, καθώς ο καρκίνος του παγκρέατος σπάνια δίνει σαφή συμπτώματα στα πρώιμα στάδια. Όταν εμφανιστούν συμπτώματα όπως κοιλιακός πόνος ή απώλεια βάρους, η νόσος έχει συχνά προχωρήσει. Η Mayo Clinic σημειώνει ότι περισσότεροι από το 85% των ασθενών διαγιγνώσκονται όταν ο καρκίνος έχει ήδη εξαπλωθεί, ενώ η πενταετής επιβίωση παραμένει κάτω από 15%.
Καλύτερη απόδοση από την ανθρώπινη ανάγνωση των εξετάσεων
Σε ανεξάρτητο σύνολο ελέγχου, το REDMOD εντόπισε προδιαγνωστικούς καρκίνους με ευαισθησία 73%, ποσοστό σχεδόν διπλάσιο από εκείνο που πέτυχαν ειδικοί ακτινολόγοι χωρίς υποβοήθηση τεχνητής νοημοσύνης. Η διαφορά έγινε ακόμη μεγαλύτερη στις εξετάσεις που είχαν πραγματοποιηθεί περισσότερο από δύο χρόνια πριν από την τελική διάγνωση, όπου το AI εντόπισε σχεδόν τριπλάσια πρώιμα περιστατικά.
Ο Dr Ajit Goenka, ακτινολόγος της Mayo Clinic και ανώτερος συγγραφέας της μελέτης, τόνισε ότι το βασικό εμπόδιο στην αντιμετώπιση του καρκίνου παγκρέατος είναι η αδυναμία εντοπισμού της νόσου όταν παραμένει ακόμη δυνητικά ιάσιμη. Όπως ανέφερε, το μοντέλο μπορεί πλέον να αναγνωρίζει την «υπογραφή» του καρκίνου ακόμη και σε πάγκρεας που φαίνεται φυσιολογικό στην κλασική απεικόνιση.
Γιατί ο καρκίνος παγκρέατος εντοπίζεται δύσκολα
Οι όγκοι του παγκρέατος θεωρούνται από τους πιο δύσκολους στην πρώιμη ανίχνευση. Το όργανο βρίσκεται βαθιά στην κοιλιά, γεγονός που περιορίζει τη χρησιμότητα της φυσικής εξέτασης. Παράλληλα, δεν υπάρχει καθολικό πρόγραμμα προληπτικού ελέγχου για τον γενικό πληθυσμό.
Στην καθημερινή ακτινολογική πρακτική, οι γιατροί συνήθως αναζητούν μια μετρήσιμη μάζα που μπορεί να αντιστοιχεί σε καρκίνο. Το πρόβλημα είναι ότι ο όγκος πρέπει να φτάσει σε ένα ορισμένο μέγεθος για να γίνει ορατός. Το REDMOD επιχειρεί να κινηθεί νωρίτερα στη βιολογική πορεία της νόσου, εντοπίζοντας μικροσκοπικές αλλαγές που δεν διακρίνονται με τη συμβατική ανάγνωση της εξέτασης.
Πού μπορεί να χρησιμοποιηθεί πρώτα
Οι ερευνητές δεν προτείνουν το μοντέλο ως εργαλείο μαζικού προσυμπτωματικού ελέγχου για όλους. Αντίθετα, εκτιμούν ότι μπορεί να έχει τη μεγαλύτερη αξία ως εργαλείο διαλογής σε άτομα υψηλότερου κινδύνου, όπως όσοι έχουν οικογενειακό ιστορικό καρκίνου παγκρέατος ή εμφανίζουν πρόσφατα διαγνωσμένο διαβήτη.
Το πλεονέκτημα είναι ότι το μοντέλο μπορεί να αναλύει αξονικές τομογραφίες που έχουν ήδη πραγματοποιηθεί για άλλους λόγους, χωρίς χρονοβόρα χειροκίνητη προετοιμασία. Η Mayo Clinic αναφέρει ότι το REDMOD δοκιμάστηκε σε δεδομένα από διαφορετικά ιδρύματα, συστήματα απεικόνισης και πρωτόκολλα, στοιχείο που ενισχύει την πιθανότητα γενικευμένης εφαρμογής στο μέλλον.
Δεν είναι ακόμη έτοιμο για ευρεία κλινική χρήση
Παρά τα ενθαρρυντικά αποτελέσματα, οι ειδικοί επισημαίνουν ότι το εργαλείο δεν έχει ακόμη περάσει στην καθημερινή κλινική πράξη. Η τεχνολογία αξιολογείται πλέον στο πλαίσιο προοπτικής κλινικής μελέτης, της AI-PACED, η οποία εξετάζει πώς μπορεί να ενσωματωθεί η τεχνητή νοημοσύνη στη φροντίδα ασθενών με αυξημένο κίνδυνο. Η μελέτη θα παρακολουθήσει την απόδοση του μοντέλου, τα ψευδώς θετικά ευρήματα και τα κλινικά αποτελέσματα σε πραγματικές συνθήκες.
Η προσοχή αυτή είναι αναγκαία. Ένα εργαλείο που εντοπίζει πιθανό κίνδυνο πριν υπάρξει ορατός όγκος μπορεί να αλλάξει την πορεία της διάγνωσης, αλλά πρέπει να αποδείξει ότι οδηγεί σε καλύτερες αποφάσεις, χωρίς να αυξάνει αδικαιολόγητα τις άσκοπες εξετάσεις, το άγχος των ασθενών ή τις επεμβατικές πράξεις.
Ένα νέο πεδίο στην πρώιμη διάγνωση
Η συγκεκριμένη μελέτη εντάσσεται σε ένα ευρύτερο κύμα έρευνας για την πρώιμη διάγνωση του καρκίνου παγκρέατος. Τα τελευταία χρόνια εξετάζονται και άλλες προσεγγίσεις, όπως αιματολογικές εξετάσεις και βιοδείκτες, με στόχο να εντοπιστεί η νόσος πριν φτάσει σε προχωρημένο στάδιο. Στην ίδια κατεύθυνση, έχει παρουσιαστεί και εξέταση αίματος PAC-MANN, η οποία σε ερευνητικό επίπεδο διερευνήθηκε για τη διάκριση ασθενών με καρκίνο παγκρέατος από υγιή άτομα ή άτομα με μη καρκινικές παγκρεατικές παθήσεις.
Η τεχνητή νοημοσύνη, ωστόσο, προσθέτει μια διαφορετική διάσταση: δεν αναζητά απαραίτητα έναν βιοδείκτη στο αίμα, αλλά επιχειρεί να «διαβάσει» κρυμμένα μοτίβα σε απεικονιστικές εξετάσεις που ήδη υπάρχουν. Αν τα αποτελέσματα επιβεβαιωθούν σε πραγματικό χρόνο, η προσέγγιση αυτή θα μπορούσε να μετατρέψει τις συνηθισμένες αξονικές τομογραφίες σε εργαλείο έγκαιρης προειδοποίησης για άτομα υψηλού κινδύνου.
Η υπόσχεση και το όριο της τεχνολογίας
Η τεχνητή νοημοσύνη δεν αντικαθιστά τον γιατρό. Μπορεί, όμως, να λειτουργήσει ως δεύτερο επίπεδο ανάγνωσης, ιδίως σε νόσους όπου οι πρώιμες αλλοιώσεις παραμένουν πρακτικά αόρατες. Στον καρκίνο του παγκρέατος, όπου ο χρόνος διάγνωσης καθορίζει σε μεγάλο βαθμό τις θεραπευτικές επιλογές, ακόμη και μια μικρή μετατόπιση προς πιο πρώιμο εντοπισμό μπορεί να έχει ουσιαστική σημασία.
Όπως σημειώνουν οι ερευνητές, το REDMOD δείχνει ένα πιθανό σημείο καμπής, όχι όμως το τέλος της διαδρομής. Η πρόκληση τώρα είναι να αποδειχθεί ότι η έγκαιρη ανίχνευση μέσω AI μπορεί να μεταφραστεί σε ασφαλέστερη παρακολούθηση, πιο στοχευμένες παρεμβάσεις και, τελικά, καλύτερη επιβίωση για τους ασθενείς.
Κάντε like στη σελίδα μας στο facebook για να μαθαίνετε όλα τα νέα
Διαβάστε επίσης
Η Τεχνητή Νοημοσύνη και τα αδιέξοδα της κλινικής απόφασης
Τεχνητή Νοημοσύνη: Ο χαρακτήρας που δεν έχει αλλά επηρεάζει τους χρήστες
