Az MIT és a Mass General Hospital kifejlesztett egy mesterséges intelligencia-rendszert, amely képes kimutatni a tüdőrákot

A tüdőrák pusztító betegség. Szerint a World Health Organization, a tüdőrák az egyik leggyakoribb halálok világszerte, csak 2.21-ban közel 2020 millió esetet számlál. Fontos, hogy a betegség progresszív lehet; vagyis sokak számára enyhe tüneteknek indulhat, amelyek nem keltenek riadalmat, mielőtt gyorsan életveszélyes diagnózissá válnak, ami halálhoz vezet. Szerencsére a tüdőrákos betegek megsegítésére irányuló terápiák köre az elmúlt két évtizedben rendkívüli mértékben bővült. A rák korai felismerése azonban továbbra is az egyetlen eszköz a halálozási arány jelentős csökkentésére.

Az egyik figyelemre méltó eredmény ezen a téren a Massachusetts Institute of Technology (MIT) és a Mass General Hospital (MGH) közelmúltbeli bejelentése a „Sybil” névre keresztelt mély tanulási modell kifejlesztéséről, amely felhasználható a tüdőrák kockázatának előrejelzésére adatok felhasználásával. egyetlen CT-vizsgálatból. Az tanulmány hivatalosan a Journal of Clinical Oncology című folyóiratban jelent meg a múlt héten, és azt tárgyalja, hogy „a személyre szabott jövőbeli rákkockázat értékelést biztosító eszközök hogyan tudnák a megközelítéseket azokra összpontosítani, akik a legnagyobb valószínűséggel részesülnek előnyben”. Ezért a tanulmány vezetői azt állították, hogy „a teljes volumetrikus LDCT [Low Dose Contrast CT] adatot értékelő mély tanulási modell felállítható az egyéni kockázat előrejelzésére anélkül, hogy további demográfiai vagy klinikai adatokra lenne szükség.”

A modell egy alapelvvel kezdődik: „Az LDCT-képek olyan információkat tartalmaznak, amelyek előre jelezhetik a tüdőrák jövőbeli kockázatát a jelenleg azonosítható jellemzők, például a tüdőcsomókon túl.” Ezért a fejlesztők arra törekedtek, hogy „olyan mély tanulási algoritmust dolgozzanak ki és validáljanak, amely egyetlen LDCT-vizsgálattól számítva 6 évre előre jelzi a tüdőrák jövőbeli kockázatát, és felméri annak lehetséges klinikai hatását”.

Összességében a vizsgálat eddig rendkívül sikeres volt: a Sybil egy LDCT adatainak felhasználásával bizonyos mértékig képes megjósolni a páciens jövőbeni tüdőrák kockázatát.

Kétségtelen, hogy ennek a technológiának a klinikai alkalmazásai és következményei még kiforratlanok. Még a vizsgálat vezetői is egyetértenek abban, hogy jelentős munkát kell végezni annak kiderítésére, hogy pontosan hogyan alkalmazzák ezt a technológiát a tényleges klinikai gyakorlatban – különösen ami a technológia iránti olyan fokú bizalom kialakítását illeti, amelyre az orvosok és a betegek biztonságban érzik magukat. a rendszer kimenetei.

Az algoritmus előfeltevése azonban még mindig hihetetlenül erős, és potenciális változást rejt magában a prediktív diagnosztika területén.

A diagnosztikai intézkedések még soha nem voltak ilyen hatékonyak. Az a tény, hogy egy eszköz egyetlen CT-vizsgálattal képes előre jelezni a betegség hosszú távú működését, potenciálisan sok problémát megoldhat – amelyek közül a legfontosabb a korai kezelés lehetővé tétele és a mortalitás csökkentése.

A szakértők kezdeti elpiruláskor visszaszorulhatnak az ehhez hasonló rendszerekkel szemben, megjegyezve, hogy egyetlen AI-rendszer sem tud elég jól megfelelni az ítélőképességnek és a klinikai képességeknek ahhoz, hogy helyettesítse az emberi orvost. De az ilyen rendszerek célja nem feltétlenül az orvosi szakértelem helyettesítése, hanem inkább a fizikai munkafolyamatok esetleges bővítése.

Egy olyan rendszer, mint a Sybil, nagyon könnyen használható ajánlási eszközként, amely potenciálisan a CT-vel kapcsolatban jelezheti az orvosnak, aki azután saját klinikai megítélése alapján egyetérthet vagy nem ért egyet Sybil ajánlásával. Ez nem csak valószínűleg javítaná a klinikai teljesítményt, hanem másodlagos „ellenőrzési” folyamatként is működhet, és esetleg javíthatja a diagnosztikai pontosságot.

Kétségtelen, hogy ezen a téren még sok a tennivaló. A tudósok, fejlesztők és innovátorok hosszú utazás előtt állnak, nemcsak magát az algoritmust és a rendszert tökéletesítik, hanem eligazodnak a technológia tényleges klinikai alkalmazásokba való bevezetésének rendkívül árnyalatos színterén is. Mindazonáltal a technológia, a szándék és a benne rejlő potenciál a jobb betegellátás tekintetében, ha azt biztonságosan, etikusan és hatékonyan fejlesztik, valóban ígéretes a diagnosztika következő generációja számára.