Ένα νέο μοντέλο τεχνητής νοημοσύνης μπορεί να εντοπίζει πρώιμα, δυσδιάκριτα σημάδια καρκίνου στο πάγκρεας σε αξονικές τομογραφίες που είχαν αρχικά θεωρηθεί φυσιολογικές από ακτινολόγους.
Το σύστημα, με την ονομασία REDMOD, αναπτύχθηκε από ερευνητές της Mayo Clinic και του Κέντρου για τον Καρκίνο MD Anderson του Πανεπιστημίου του Τέξας και σε σχεδόν 3 στις 4 περιπτώσεις εντόπισε με επιτυχία μιας από τις πιο θανατηφόρες μορφές καρκίνου περίπου 16 μήνες πριν από τη διάγνωση, αναφέρει το Science Alert.
Ο καρκίνος του παγκρέατος παραμένει ιδιαίτερα δύσκολος στην αντιμετώπιση, κυρίως επειδή συχνά εντοπίζεται αργά. Στις ΗΠΑ εκτιμάται ότι μέχρι το 2030 θα είναι η δεύτερη συχνότερη αιτία θανάτου από καρκίνο, εν μέρει επειδή περίπου το 85% των περιστατικών διαγιγνώσκεται όταν η νόσος έχει ήδη εξαπλωθεί.
Πώς λειτουργεί το REDMOD
Σύμφωνα με τη μελέτη που δημοσιεύθηκε στο ιατρικό περιοδικό Gut, το REDMOD, ένα μοντέλο πρώιμης ανίχνευσης βασισμένο στη ραδιομική ανάλυση, εκπαιδεύτηκε σε 969 αξονικές τομογραφίες παγκρέατος. Αντί να αναζητά έναν εμφανή όγκο, εξετάζει πολύ λεπτές αλλαγές στην υφή και στη δομή των ιστών, μοτίβα που συνήθως είναι υπερβολικά αχνά για να τα εντοπίσει το ανθρώπινο μάτι.
Στη συνέχεια, το σύστημα δοκιμάστηκε σε διαφορετικό σύνολο δεδομένων: 63 αξονικές τομογραφίες ανθρώπων που αργότερα διαγνώστηκαν με καρκίνο του παγκρέατος, αλλά είχαν εξεταστεί πριν από τη διάγνωση, και 430 τομογραφίες υγιών ατόμων. Από τις 63 περιπτώσεις, το REDMOD επισήμανε σωστά ως ύποπτες τις 46, δηλαδή ποσοστό 73%. Πρόκειται για σχεδόν τρεις στις τέσσερις περιπτώσεις.
Έως και τρία χρόνια νωρίτερα
Το εύρημα είναι ιδιαίτερα σημαντικό επειδή όλες αυτές οι αξονικές είχαν αρχικά κριθεί καθαρές από ακτινολόγους. Όταν δύο ακτινολόγοι τις επανεξέτασαν παράλληλα με το σύστημα AI, εντόπισαν πρώιμα σημάδια καρκίνου μόνο στο 38,9% των περιπτώσεων. Η τεχνητή νοημοσύνη, δηλαδή, πέτυχε σχεδόν διπλάσιο ποσοστό ανίχνευσης.
Το REDMOD μπόρεσε να αναγνωρίσει τη συχνότερη μορφή καρκίνου του παγκρέατος περίπου 16 μήνες πριν από τη διάγνωση. Σε ορισμένες περιπτώσεις, εντόπισε ύποπτα μοτίβα στους ιστούς περισσότερο από δύο χρόνια νωρίτερα, ενώ η ομάδα εκτιμά ότι, με περαιτέρω ανάπτυξη, θα μπορούσε να ανιχνεύει τη νόσο έως και τρία χρόνια πριν.
Η απόδοση του μοντέλου επιβεβαιώθηκε και σε δύο ακόμη δοκιμές με διαφορετικά δεδομένα, εξοπλισμό και νοσοκομεία, ενώ σε ασθενείς με περισσότερες από μία διαθέσιμες αξονικές τα αποτελέσματά του παρέμειναν σε μεγάλο βαθμό σταθερά με την πάροδο του χρόνου.
Οι ερευνητές τονίζουν ότι απαιτούνται μεγαλύτερες και πιο ποικίλες μελέτες πριν το εργαλείο ενταχθεί στην κλινική πράξη. Αν όμως επιβεβαιωθεί, θα μπορούσε να αξιοποιεί αξονικές τομογραφίες που γίνονται για άλλους λόγους και να επισημαίνει εγκαίρως περιστατικά στα οποία η θεραπεία με στόχο την ίαση παραμένει ακόμη δυνατή.
