Ο καρκίνος του παγκρέατος αναμένεται να καταστεί η δεύτερη κύρια αιτία θανάτου από καρκίνο στις ΗΠΑ έως το 2030, εν μέρει επειδή το 85% των περιπτώσεων διαγιγνώσκεται μόνο αφού η νόσος έχει ήδη εξαπλωθεί.
Απλά δεν τον εντοπίζουμε αρκετά νωρίς. Χάρη σε ένα πρόσφατα αναπτυγμένο μοντέλο τεχνητής νοημοσύνης από ερευνητές της Mayo Clinic και του MD Anderson Cancer Center του Πανεπιστημίου του Τέξας, αυτό ενδέχεται να αλλάξει σύντομα.
Το νέο τους σύστημα, που ονομάζεται REDMOD (μοντέλο έγκαιρης ανίχνευσης βασισμένο στη ραδιομική), δοκιμάστηκε σε αξονικές τομογραφίες ατόμων που αργότερα διαγνώστηκαν με καρκίνο του παγκρέατος.
Σε σχεδόν 3 στις 4 περιπτώσεις, το REDMOD εντόπισε με επιτυχία την πιο κοινή μορφή καρκίνου του παγκρέατος περίπου 16 μήνες πριν από τη διάγνωση. Αυτό είναι σχεδόν το διπλάσιο του ποσοστού ανίχνευσης από ειδικούς που εξετάζουν τις τομογραφίες χωρίς τη βοήθεια τεχνητής νοημοσύνης.
Σε ορισμένες απεικονίσεις, το REDMOD εντόπισε ύποπτα ιστικά μοτίβα περισσότερο από δύο χρόνια πριν από τη διάγνωση, και η ομάδα πιστεύει ότι θα μπορούσε να ανιχνεύσει τον καρκίνο έως και τρία χρόνια νωρίτερα.
«Το μεγαλύτερο εμπόδιο για τη διάσωση ζωών από τον καρκίνο του παγκρέατος ήταν η αδυναμία μας να εντοπίσουμε τη νόσο όταν είναι ακόμη ιάσιμη», λέει ο ακτινολόγος και ειδικός πυρηνικής ιατρικής Ajit Goenka, από την Κλινική Mayo. «Αυτή η τεχνητή νοημοσύνη μπορεί πλέον να εντοπίσει τα χαρακτηριστικά του καρκίνου σε ένα πάγκρεας που φαίνεται φυσιολογικό, και μπορεί να το κάνει με αξιοπιστία σε βάθος χρόνου και σε διάφορα κλινικά περιβάλλοντα».
Οι ερευνητές χρησιμοποίησαν 969 αξονικές τομογραφίες του παγκρέατος ως δεδομένα εκπαίδευσης για το REDMOD, ώστε να μάθει να εντοπίζει τα διακριτικά σημάδια του καρκίνου στα αρχικά του στάδια.
Αντί να αναζητά έναν εμφανή όγκο, το μοντέλο εντοπίζει ραδιομικά μοτίβα, δηλαδή διαταραχές στην υφή και τη δομή των ιστών που συχνά είναι πολύ μικρές για να τις διακρίνει το ανθρώπινο μάτι.
Πολλοί καρκίνοι ξεκινούν όταν τα φυσιολογικά κύτταρα αποκτούν μεταλλάξεις στο DNA που επηρεάζουν τον τρόπο με τον οποίο αναπτύσσονται και διαιρούνται, αλλά μπορεί να χρειαστούν χρόνια για να εξελιχθούν αυτές οι αλλαγές σε έναν όγκο αρκετά μεγάλο ώστε να προκαλέσει συμπτώματα ή να εμφανιστεί καθαρά σε μια αξονική τομογραφία.
Μετά τη διαδικασία εκπαίδευσης, το REDMOD δοκιμάστηκε σε ένα διαφορετικό σύνολο αξονικών τομογραφιών: 63 από άτομα που αργότερα διαγνώστηκαν με καρκίνο αλλά υποβλήθηκαν σε αξονική τομογραφία πριν από τη διάγνωση, και 430 υγιείς μάρτυρες που δεν είχαν καρκίνο.
Από τις 63, το REDMOD χαρακτήρισε σωστά 46 ως ύποπτες, ένα ποσοστό 73 τοις εκατό (σχεδόν 3 στις 4).
Όλες αυτές οι αξονικές τομογραφίες είχαν προηγουμένως κριθεί εντάξει από ανθρώπινους ακτινολόγους, και δύο ακτινολόγοι που εξέτασαν τις αξονικές τομογραφίες ταυτόχρονα με το REDMOD εντόπισαν πρώιμα σημάδια καρκίνου μόνο στο 38,9 τοις εκατό των περιπτώσεων.
Από τους 430 υγιείς μάρτυρες, 81 χαρακτηρίστηκαν εσφαλμένα ως ύποπτοι από το REDMOD – οπότε, αν η τεχνητή νοημοσύνη είχε χρησιμοποιηθεί σε πραγματικό σενάριο, αυτά τα άτομα ενδέχεται να είχαν κληθεί για επιπλέον εξετάσεις πριν τους δοθεί το πράσινο φως.
Παρόμοιο επίπεδο απόδοσης παρατηρήθηκε σε δύο άλλες δοκιμές με σύνολα δεδομένων, χρησιμοποιώντας διαφορετικό εξοπλισμό σε διαφορετικά νοσοκομεία.
Ακόμη καλύτερα, για τους ασθενείς για τους οποίους υπήρχαν διαθέσιμες πολλαπλές απεικονίσεις, η τεχνητή νοημοσύνη παρήγαγε αποτελέσματα σε μεγάλο βαθμό συνεπή – ακόμη και όταν οι απεικονίσεις είχαν πραγματοποιηθεί με διαφορά μηνών.
«Αυτά τα χαρακτηριστικά το καθιστούν κατάλληλο για προοπτική επικύρωση σε ομάδες υψηλού κινδύνου, ένα απαραίτητο βήμα προς τη μετατόπιση του παραδείγματος από τη συμπτωματική διάγνωση σε προχωρημένο στάδιο προς την προληπτική προκλινική παρέμβαση», γράφουν οι συγγραφείς της μελέτης στο δημοσιευμένο άρθρο τους.
Η λογική είναι ότι όσο νωρίτερα το REDMOD έχει πρόσβαση σε αξονικές τομογραφίες – που ίσως έχουν ληφθεί ρουτίνα για άλλους σκοπούς και παθήσεις – τόσο πιο χρήσιμο μπορεί να είναι. Είναι πιθανό να ανιχνεύσει τον καρκίνο του παγκρέατος σε ένα στάδιο όπου η θεραπευτική αγωγή μπορεί ακόμα να είναι εφικτή.
Ωστόσο, υπάρχουν ακόμη πολλά να γίνουν πριν αυτό συμβεί. Στη συνέχεια, οι ερευνητές θέλουν να δοκιμάσουν την τεχνητή νοημοσύνη σε μεγαλύτερες και πιο ποικιλόμορφες ομάδες ατόμων και να δουν πόσο εύκολα μπορούν οι γιατροί να την ενσωματώσουν στις υπάρχουσες διαδικασίες τους.
Οι ερευνητές ενθαρρύνονται από αυτά τα πρώιμα αποτελέσματα και ελπίζουν ότι, με περαιτέρω ανάπτυξη και τελειοποίηση, μπορεί να έχουμε ένα απίστευτα χρήσιμο σύστημα για έναν από τους πιο θανατηφόρους καρκίνους που υπάρχουν.
«Η αποδεδειγμένη ικανότητα του μοντέλου να ανιχνεύει με συνέπεια αυτά τα κρυφά σήματα σε ένα μεγάλο σύνολο δεδομένων με κλινικό προσανατολισμό, σε συνδυασμό με την υψηλή διαχρονική σταθερότητα και την επικυρωμένη ειδικότητά του, δημιουργεί μια σταθερή βάση για την έγκαιρη ανίχνευση με τη βοήθεια της τεχνητής νοημοσύνης», γράφουν οι ερευνητές.