MIT & Mass General Hospital razvili su sustav umjetne inteligencije koji može detektirati rak pluća

Rak pluća je pogubna bolest. Prema Svjetska zdravstvena organizacija, rak pluća jedan je od najčešćih uzroka smrti u svijetu, čineći gotovo 2.21 milijuna slučajeva samo u 2020. godini. Važno je da bolest može biti progresivna; to jest, za mnoge može početi samo kao blagi simptomi koji ne izazivaju uzbunu, prije nego što se brzo razvije u dijagnozu opasnu po život, koja vodi do smrti. Srećom, raspon terapijskih lijekova usmjerenih na pomoć pacijentima s rakom pluća strahovito je porastao u posljednja dva desetljeća. Međutim, rano otkrivanje raka još uvijek je jedini način da se značajno smanji stopa smrtnosti.

Jedno značajno postignuće u ovoj areni nedavna je objava Massachusetts Institute of Technology (MIT) i Mass General Hospital (MGH) u vezi s razvojem modela dubokog učenja nazvanog "Sybil" koji se može koristiti za predviđanje rizika od raka pluća, koristeći podatke iz samo jednog CT skeniranja. The učiti je službeno objavljen u Journal of Clinical Oncology prošli tjedan, i raspravlja o tome kako bi "alati koji pružaju personaliziranu buduću procjenu rizika od raka mogli usmjeriti pristupe prema onima koji će najvjerojatnije imati koristi." Stoga su voditelji studije pretpostavili da bi se "model dubokog učenja koji procjenjuje cjelokupne volumetrijske LDCT [CT s niskim dozama kontrasta] mogao izgraditi za predviđanje individualnog rizika bez potrebe za dodatnim demografskim ili kliničkim podacima."

Model počinje s osnovnim načelom: "LDCT slike sadrže informacije koje predviđaju budući rizik od raka pluća izvan trenutno prepoznatljivih obilježja kao što su plućni noduli." Stoga su programeri nastojali "razviti i potvrditi algoritam dubokog učenja koji predviđa budući rizik od raka pluća do 6 godina na temelju jednog LDCT skeniranja i procijeniti njegov potencijalni klinički učinak."

Sve u svemu, studija je do sada bila izuzetno uspješna: Sybil je u stanju predvidjeti pacijentov budući rizik od raka pluća do određene mjere točnosti, koristeći podatke iz samo jednog LDCT-a.

Bez sumnje, kliničke primjene i implikacije ove tehnologije još su nezrele. Čak se i voditelji studije slažu da će biti potrebno obaviti značajan rad kako bi se otkrilo kako točno primijeniti ovu tehnologiju u stvarnoj kliničkoj praksi—posebno u pogledu razvijanja stupnja povjerenja u tehnologiju, s kojom će se liječnici i pacijenti osjećati sigurnima oslanjajući se na izlaze sustava.

Međutim, premisa algoritma još uvijek je nevjerojatno moćna i uključuje potencijalnu promjenu u području prediktivne dijagnostike.

Dijagnostičke mjere nikada prije nisu bile tako moćne. Činjenica da alat može koristiti samo jedno CT skeniranje za predviđanje dugotrajne funkcije bolesti potencijalno bi mogla riješiti mnoge probleme— od kojih je najvažniji omogućavanje ranog liječenja i smanjena smrtnost.

Stručnjaci, u početku pocrvenjeli, mogli bi se usprotiviti ovakvim sustavima, primjećujući da nijedan sustav umjetne inteligencije ne bi mogao dovoljno dobro mjeriti prosudbu i kliničku snagu da zamijeni ljudskog liječnika. Ali svrha ovakvih sustava nije nužno zamijeniti stručnost liječnika, već potencijalno povećati tijek rada liječnika.

Sustav kao što je Sybil mogao bi se vrlo lako koristiti kao alat za preporuku, označavajući potencijalno zabrinute CT-ove liječniku, koji bi zatim mogao koristiti vlastitu kliničku prosudbu da se složi ili ne složi sa Sybilinom preporukom. Ovo ne samo da bi vjerojatno poboljšalo kliničku propusnost, već bi također moglo djelovati kao sekundarni proces "provjere" i možda povećati dijagnostičku točnost.

Bez sumnje, u ovoj areni ima još puno posla. Pred znanstvenicima, programerima i inovatorima je dugo putovanje ne samo u usavršavanju stvarnog algoritma i samog sustava, već iu navigaciji hiper-nijansiranom arenom uvođenja ove tehnologije u stvarne kliničke primjene. Unatoč tome, tehnologija, namjera i potencijal koji ima u pogledu poboljšanja skrbi za pacijente, ako se razvija na siguran, etičan i učinkovit način, doista obećavaju za generaciju dijagnostike koja dolazi.