Sztuczna inteligencja w walce z rakiem
Nowotwory odpowiadają w Polsce za ponad 25 proc. zgonów, a ponad milion Polaków żyje z chorobą nowotworową. Ze względu na ogólne wydłużenie czasu życia ludzi i obserwowany wzrost narażenia na różnorodne czynniki rakotwórcze, choroby te będą prawdopodobnie dotyczyły coraz większej liczby osób. Nowe metody leczenia dają jednak pacjentom coraz większe szanse, a w bliskiej przyszłości w ich ratowaniu coraz większy udział będzie miała sztuczna inteligencja.
Diagnoza z krwi
Wystarczy próbka krwi, aby z 93-proc. dokładnością wykryć raka jajnika – donoszą naukowcy z Georgia Institute of Technology. Jak twierdzą, ich eksperymentalna metoda jest pod niektórymi względami lepsza od stosowanych obecnie w klinikach – częściej prawidłowo wykrywa chorobę u kobiet, które zaklasyfikowane byłyby jako zdrowe. Szczególnie dobrze radzi sobie z chorobą na wczesnym etapie.
Jak przypominają badacze, rak jajnika nazywany jest czasami cichym zabójcą, ponieważ może się rozwijać, nie dając objawów aż do momentu, gdy choroba jest zaawansowana i trudna w leczeniu. Jeśli się ją jednak szybko wykryje, na pięcioletnie przeżycie może liczyć ponad 90 proc. kobiet.
„Istnieje paląca potrzeba opracowania metod wykrywania wczesnych stadiów tego podstępnego schorzenia” – podkreśla dr L. DeEtte (Walker) McDonald, współautorka pracy opublikowanej w piśmie „Gynecologic Oncology”. „Ze względu na dużą zmienność obecnych we krwi cząsteczek u różnych pacjentów, znalezienie uniwersalnego biomarkera choroby nie było dotąd możliwe” – tłumaczy dr McDonald.
Choroby onkologiczne w Polsce: wciąż zabijają zbyt często, zbyt szybko
Pomogła sztuczna inteligencja analizująca obecność różnorodnych cząsteczek, których stężenie może zmieniać się pod wpływem choroby. „We krwi człowieka krążą tysiące metabolitów, które można wykrywać z pomocą spektroskopii mas. Włączenie do analizy uczenia maszynowego pozwala na dokładne diagnozowanie raka jajnika” – wyjaśnia Dongjo Ban, jeden z autorów systemu.
Komputer z rozumem
Przydatność sztucznej inteligencji wynika m.in. z tego, że potrafi ona przetwarzać ogromne ilości danych, a tych w medycynie jest coraz więcej – wymienić można m.in. informacje obrazowe, histopatologiczne, metaboliczne, genetyczne. Człowiek nie jest w stanie wziąć jednocześnie pod uwagę setek czy tysięcy parametrów, a SI jak najbardziej i dzięki temu może się w rękach lekarza stać potężnym pomocnikiem.
Drugi filar działania algorytmów to przypominająca ludzkie zdolności umiejętność samodzielnego uczenia się. Do programu, który ma np. wykrywać raka piersi na obrazach mammograficznych, wprowadza się kolekcję obrazów z już zdiagnozowanym stanem pacjenta, a system sam się uczy. Przy tym często bywa tak, że sztuczna inteligencja dostrzega coś, na co człowiek nie zwraca uwagi, na przykład na zdjęciu rentgenowskim czy pochodzącym z innego badania obrazowego.
Tysiące czynników
Podobnie jest ze zdjęciami radiologicznymi – to kolejna silnie rozwijająca się gałąź wykorzystywania SI w medycynie, w tym w onkologii. Dobry przykład takiego podejścia zaprezentowali niedawno badacze ze szwedzkiego Instytutu Karolinska. Opracowany tam system na podstawie przesiewowych badań mammograficznych określa, które kobiety są szczególnie zagrożone pojawieniem się choroby w przyszłości i wymagają bardziej szczegółowych badań. System widzi wiele detali, których, jak twierdzą jego twórcy, człowiek nie jest w stanie dostrzec.
„Nasz model nie jest tak prosty jak tradycyjne, które biorą pod uwagę kilka parametrów, np. geny. Na analizowanych zdjęciach istnieją bowiem tysiące czynników, które brane są pod uwagę” – podkreśla Mikael Eriksson, jeden z autorów publikacji, która ukazała się w piśmie „The Lancet Regional Health – Europe”.
SI jest zdolna do znalezienia w tych czynnikach różnych wzorców. „Pojedynczo każdy czynnik ma niewielkie znaczenie, ale SI potrafi je łączyć. Może nam więc dać ogólną ocenę tego, co prawdopodobnie stanie się z badaną piersią w niedalekiej przyszłości” – tłumaczy ekspert.
Polki zaniedbują badania piersi
Po wykazaniu skuteczności systemu u ochotniczek pochodzących z USA i Szwecji, teraz badacze wykazali jego działanie u 8,5 tys. kobiet z Niemiec, Włoch i Hiszpanii. „Choć ok. 6 proc. kobiet ma szczególnie wysokie ryzyko raka piersi, obecnie poddaje się je takim samym badaniom przesiewowym, jak kobiety o niskim ryzyku. Według nas odpowiednio dostosowane badania przesiewowe mogłyby być dla tych kobiet bardziej korzystne” – mówi dr Eriksson.
Wiele badań wskazuje skuteczność
Z kolei naukowcy z University of Southern California przyjrzeli się opisanym w literaturze naukowej różnym badaniom nad wykorzystaniem SI w diagnostyce i terapii nowotworów prostaty. Jak zanotowali, wiele publikacji wskazuje, że oparte na sztucznej inteligencji systemy skutecznie pomagają w wykrywaniu choroby, a także w przewidywaniu jej przebiegu.
„SI ma potencjał, aby zrewolucjonizować przyszłość zarządzania rakiem prostaty przez poprawę dokładności diagnostyki, planowania leczenia oraz rezultatów dla pacjenta. Badania pokazują lepszą precyzję i skuteczność opartych na SI modeli w detekcji i prowadzeniu terapii raka prostaty, ale potrzebne są dalsze badania, które pozwolą zrozumieć jej pełen potencjał oraz ograniczenia” – piszą naukowcy w swojej pracy opublikowanej w periodyku „Current Urology Reports”.
Średni czas od objawów do diagnozy to cztery lata
Wykrywanie, prognozy i terapia na miarę
Jeszcze szerzej na problem spojrzeli eksperci z Mayo Clinic z Rochester w amerykańskim stanie Minnesota, przeglądając literaturę odnośnie różnorodnych zastosowań SI w onkologii. Jak stwierdzili, coraz szybszy przyrost mocy obliczeniowej komputerów, rozwój nowych technik programistycznych i lepszy dostęp do różnorodnych danych na temat organizmu pacjenta wręcz zrewolucjonizowały zastosowania SI w onkologii – w analizie badań obrazowych, genomice i innych aspektach. Według naukowców dzięki lepszemu wykrywaniu ognisk raka można się m.in. spodziewać dużych pozytywnych zmian w badaniach przesiewowych, szczególnie w przypadku mniej powszechnych nowotworów, a także w obserwacji leczonych już pacjentów. Coraz lepiej będzie też można przewidywać, kto może zachorować, jak również trafniej diagnozować już zaistniałą chorobę i prognozować jej przebieg. Podejście do pacjentów będzie też dzięki temu dużo bardziej indywidualne – uważają badacze.
Marek Matacz
Rys. Krzysztof „Rosa” Rosiecki
