Sztuczna inteligencja pozwala diagnozować guzy jajnika

W styczniu w prestiżowym czasopiśmie „Nature Medicine” ukazał się przełomowy artykuł pt. „International multicenter validation of AI-driven ultrasound detection of ovarian cancer” (Międzynarodowa wieloośrodkowa walidacja wykrywania raka jajnika za pomocą ultradźwięków sterowanych sztuczną inteligencją). Wśród autorów publikacji znaleźli się prof. dr hab. n. med. Marek Kudła ze Śląskiego Uniwersytetu Medycznego w Katowicach oraz prof. dr hab. n. med. Artur Czekierdowski z Uniwersytetu Medycznego w Lublinie.

Ultrasonografia przezpochwowa to kluczowa metoda wykorzystywana do różnicowania zmian jajnika – zarówno łagodnych, jak i złośliwych. Choć ta technika charakteryzuje się wysoką dokładnością, jej skuteczność zależy od doświadczenia lekarza. Niestety, w przypadku mniej doświadczonych badaczy mogą wystąpić błędy diagnostyczne, prowadzące do opóźnień w diagnozie lub, co gorsza, do niepotrzebnych zabiegów chirurgicznych.

– W diagnostyce raka jajnika używamy także markerów CA 125, HE4 oraz tzw. algorytmu ROMA. Niestety, nie są one w pełni niezawodne, ponieważ np. podwyższony poziom CA 125 może występować również w przypadku innych chorób, takich jak mięśniaki czy endometrioza – tłumaczy prof. Marek Kudła.

Międzynarodowa współpraca

Z tego powodu szwedzki uniwersytet medyczny Instytut Karolinska, którego komitet naukowy przyznaje m.in. Nagrody Nobla w dziedzinie fizjologii lub medycyny, zaprosił naukowców z 20 klinik w ośmiu krajach do współpracy w zakresie prac badawczych na temat wykorzystania sztucznej inteligencji w diagnozowaniu raka jajnika. Współautorami badań są prof. dr hab. n. med. Marek Kudła z Wydziału Nauk Medycznych Śląskiego Uniwersytetu Medycznego w Katowicach oraz prof. dr hab. n. med. Artur Czekierdowski z I Katedry i Kliniki Ginekologii Onkologicznej i Ginekologii Uniwersytetu Medycznego w Lublinie.

– Nowotwory jajnika u kobiet są powszechne i ze względu na typowy brak objawów we wczesnych fazach choroby często są wykrywane przez przypadek. W wielu częściach świata występuje poważny niedobór ekspertów w dziedzinie ultrasonografii ginekologicznej, co w przypadkach nieprawidłowej diagnozy guza jajnika budzi obawy nie tylko o niepotrzebne interwencje chirurgiczne, ale też i o opóźnione rozpoznanie przypadków chorych na raka jajnika. Dlatego chcieliśmy dowiedzieć się, czy sztuczna inteligencja może uzupełnić lub nawet poprawić wyniki oceny guza przez ekspertów – mówi prof. Elisabeth Epstein z Instytutu Karolinska w Sztokholmie, kierownik międzynarodowej grupy badawczej.

Naukowcy zweryfikowali modele sieci neuronowych zdolne do różnicowania niezłośliwych i złośliwych zmian w jajnikach. Wybrane metody przetestowano na ponad 17 tys. obrazów ultrasonograficznych uzyskanych od 3 652 pacjentek z guzami jajnika. Następnie porównano zdolności diagnostyczne modeli sztucznej inteligencji z diagnozą postawioną przez grupę ekspertów ginekologów oraz przez mniej doświadczonych w ultrasonografii ginekologicznej lekarzy. Wyniki wieloośrodkowych badań wskazują, że modele AI przewyższały zdolności prognostyczne uzyskane zarówno przez ekspertów, jak i lekarzy niebędących ekspertami w identyfikowaniu przypadków raka jajnika.

Pierwsze takie badanie

To pierwsze tego typu badanie, które systematycznie analizuje skuteczność sztucznej inteligencji w diagnostyce raka jajnika, porównując wyniki z ocenami lekarzy. Choć w tym badaniu oceniano jedynie obrazy ultrasonograficzne, autorzy zauważają, że uwzględnienie dodatkowych informacji klinicznych w oprogramowaniu może jeszcze bardziej precyzyjnie poprawić wyniki diagnostyczne. Ta rewolucja w diagnostyce ma szansę stać się przełomem w walce z rakiem jajnika, czyniąc diagnozowanie szybszym, bardziej precyzyjnym i – co najważniejsze – skuteczniejszym.

Prof. Artur Czekierdowski wskazuje, że najnowsze wyniki badań opublikowane w prestiżowym czasopiśmie „Nature Medicine” są pierwszą na świecie kompleksową oceną, która weryfikuje potencjał modeli sztucznej inteligencji w diagnostyce obrazowej guzów jajnika.

– Metody sztucznej inteligencji mogą potencjalnie zwiększyć wartości prognostyczne różnych badań obrazowych, co w efekcie może mieć istotny wpływ na poprawę wyników diagnostyki. Pomimo że obecna technologia AI nie jest jeszcze w stanie zastąpić wiedzy i doświadczenia lekarzy, to jednak może już być wykorzystywana jako metoda pomocnicza. Posiadanie „drugiej opinii” uzyskanej w wyniku zastosowania metod AI może być pomocne szczególnie w krytycznych i trudnych przypadkach. Sztuczna inteligencja wskazuje lekarzom ilościowe cechy obrazów inne niż cechy jakościowe, umożliwiając bardziej kompleksową ocenę obrazów. Metody głębokiego uczenia mogą zidentyfikować niewidoczne nawet dla eksperta cechy obrazu reprezentatywne dla guzów złośliwych i zlokalizować znacznie subtelniejsze elementy obrazu, które są poza możliwościami wykrycia wzrokowego. Zastosowanie metod głębokiego uczenia, a w szczególności konwolucjonalnych sieci neuronowych, wykazało znaczny potencjał w poprawie prognozowania typu guza jajnika. Wyniki badań klinicznych wskazują na wysokie wartości metod AI dla typowych parametrów prognostycznych, takich jak: dokładność, czułość i swoistość tych technik. Modele oparte na głębokim uczeniu wykorzystywane w różnych metodach obrazowania medycznego generalnie przewyższają tradycyjne sposoby interpretacji obrazów medycznych. Niektóre z nich przewyższyły nawet wyniki diagnostyczne ekspertów radiologów w wykrywaniu raka – komentuje ekspert.

Ogromny potencjał

Zastosowanie sztucznej inteligencji w diagnostyce raka jajnika ma potencjał nie tylko do poprawy wyników leczenia, ale także do skrócenia czasu oczekiwania na diagnozę. Dzięki wsparciu AI możliwe jest usprawnienie pracy klinicznej i zniwelowanie problemu braku specjalistów. W nowej metodzie triage wstępną ocenę guza wykonuje zarówno AI, jak i mniej doświadczony lekarz, a ostateczną decyzję podejmuje ekspert. Taka strategia pozwala na szybsze podejmowanie kluczowych decyzji terapeutycznych i bardziej efektywne zarządzanie przypadkami.

Autorzy omawianego artykułu prowadzą obecnie prospektywne badania kliniczne mające na celu ocenę codziennego bezpieczeństwa klinicznego i praktycznej przydatności narzędzi AI.

Artykuł „International multicenter validation of AI-driven ultrasound detection of ovarian cancer” przeczytasz tutaj.

Źródło: Uniwersytet Medyczny w Lublinie/Śląski Uniwersytet Medyczny w Katowicach

Czytaj także: Innowacyjna aplikacja PTO wspiera lekarzy w diagnostyce molekularnej nowotworów