Era exabajtów danych, czyli jak zastosowanie AI przekłada się na medycynę nuklearną

Rozmowa z profesorem Januszem Braziewiczem, kierownikiem Zakładu Medycyny Nuklearnej z Ośrodkiem PET w Świętokrzyskim Centrum Onkologii, członkiem Zarządu Polskiego Towarzystwa Medycyny Nuklearnej.

Stopień zaawansowania automatyzacji i sztucznej inteligencji w obszarze medycyny nuklearnej to obecnie poziom III i IV w pięciostopniowej skali. Wdrożenia algorytmów opartych na Artificial Intelligence (AI) przynoszą oszczędność czasu i szansę na pełną standaryzację procedur, ale także na uniknięcie błędów ludzkich i skuteczniejsze, spersonalizowane terapie dla pacjentów.

Panie Profesorze, czym jest sztuczna inteligencja w medycynie, jak należy rozumieć to pojęcie?

Od czasu, kiedy o Artificial Intelligence (AI) w medycynie pojawiły się pierwsze wzmianki w prasie specjalistycznej, pojęcie to wzbudziło wiele emocji. Wiele osób jest wobec sztucznej inteligencji nastawionych pozytywnie i wiąże z nią duże nadzieje, ale z drugiej strony nie brakuje także społecznych obaw i wątpliwości związanych z tym, wciąż stosunkowo nowym, obszarem nauki. Jeśli chodzi o diagnostykę obrazową, pierwsze zwiastuny nowości w tym obszarze dotyczyły głównie radiologii. Zrodziło się wówczas podstawowe pytanie: czy komputery zastąpią lekarzy? Na polu radiologii stawiano wówczas w opozycji człowieka i maszynę. Dziś podobne pytania wydają się wręcz bezzasadne wobec nieuniknionego rozwoju algorytmów sztucznej inteligencji na polu diagnostyki, w tym diagnostyki obrazowania molekularnego. Sztuczna inteligencja ma dziś realne zastosowanie kliniczne, między innymi w procedurach medycyny nuklearnej. Przykładem są używane na co dzień algorytmy diagnostyczne, stosowane w nowoczesnych skanerach hybrydowych, łączących w sobie procedury medycyny nuklearnej i radiologii, takich jak: SPECT/CT, PET/CT czy PET/MRI.

Jak sztuczna inteligencja wspiera diagnostykę i terapię nuklearną?

Wydaje się, że zadane pytanie można poszerzyć i zapytać, czy AI mogłaby wesprzeć nie tylko proces opisowy diagnostyki, ale także wcześniejszy etap, czyli proces akwizycyjny. Przykłady rozwiązań z zastosowaniem AI możemy bowiem wskazać zarówno po stronie samych skanerów, jaki i platform opisowych, czyli stacji lekarskich umożliwiających określenie celu oraz interpretację wykonywanego badania. Warto podkreślić, że stoimy dziś przed faktem lawinowego i globalnego wzrostu diagnostycznych badań obrazowych, w tym badań z zakresu medycyny nuklearnej. Można śmiało ekstrapolować liczby badań CT (tomografii komputerowej) i MRI (rezonansu magnetycznego), które, jak wskazują statystyki^1,2, na przestrzeni 10 lat – od początku 2000 roku do 2010 – wzrosły dziesięciokrotnie. W obszarze medycyny nuklearnej taki wzrost liczby badań SPECT i PET przypada na okres późniejszy i gwałtowny wzrost rozpoczyna się po 2010 roku. Można to tłumaczyć obserwowaną wówczas zwiększającą się różnorodnością i dostępnością niezbędnych radiofarmaceutyków. Było to szczególnie istotne w przypadku Polski, gdzie radiofarmaceutyki nie musiały być już sprowadzane zza granicy (powstało wówczas kilka krajowych zakładów produkcyjnych o bardzo zróżnicowanej gamie radioznaczników i radiofarmaceutyków). Wzrosła także świadomość – zarówno środowiska lekarskiego, jak i samych pacjentów – w zakresie możliwości procedur obrazowania molekularnego. Obecnie medycy nuklearni rozwijają nowy trend teranostyki, który wydaje się być przyszłością personalizowanej medycyny poprzez ścisłe połączenie diagnostyki i terapii w celu dobrania do potrzeb konkretnego pacjenta celowanego leczenia. W obszarze sztucznej inteligencji medycy nuklearni coraz częściej wspierają proces terapii, pomagając w ocenie trafności i zasadności zaleconego leczenia już w początkowej jego fazie. Nie bez znaczenia jest w tym kontekście wykorzystywanie hybrydowych badań PET/CT na przykład w planowaniu radioterapii.

Czytaj także: Medycyna nuklearna 2020 – wyzwania i priorytety