Narzędzie AI dokładnie przewiduje odrost guza u pacjentów z rakiem | rak

Lekarze i naukowcy opracowali narzędzie sztucznej inteligencji, które może dokładnie przewidzieć, jak prawdopodobne jest ponowne pojawienie się guzów u pacjentów z rakiem po przejściu leczenia.

Ten przełom, określany przez onkologów klinicznych jako „ekscytujący”, może zrewolucjonizować monitorowanie pacjentów. Chociaż postępy w leczeniu w ostatnich latach zwiększyły szanse na przeżycie, nadal istnieje ryzyko nawrotu choroby.

Monitorowanie pacjentów po leczeniu ma kluczowe znaczenie dla zapewnienia, że ​​wszelkie nawroty raka zostaną szybko rozwiązane. Jednak obecnie lekarze mają tendencję do polegania na tradycyjnych metodach, w tym tych, które koncentrują się na pierwotnej ilości i rozprzestrzenianiu się raka, aby przewidzieć, jak dobrze pacjent poradzi sobie w przyszłości.

Teraz pierwsze globalne badanie przeprowadzone przez instytut Royal Marsden NHS Foundation Trust rak Research, London i Imperial College London zidentyfikowały model wykorzystujący uczenie maszynowe – rodzaj sztucznej inteligencji – który może przewidywać ryzyko nawrotu raka i robi to lepiej niż obecne metody.

„Jest to ważny krok naprzód, jeśli chodzi o możliwość wykorzystania sztucznej inteligencji do zrozumienia, którzy pacjenci są najbardziej narażeni na ryzyko nawrotu raka i wcześniejszego wykrycia tego nawrotu, aby ponowne leczenie było skuteczniejsze” – powiedział dr Richard Lee, lekarz konsultant . w medycynie oddechowej i wczesnej diagnostyce w Royal Marsden NHS Foundation Trust.

Lee, główny badacz w badaniu OCTAPUS-AI, powiedział Guardianowi, że może to mieć kluczowe znaczenie nie tylko w poprawie wyników leczenia pacjentów z rakiem, ale także w złagodzeniu ich lęków, przy czym dla wielu nawrót choroby jest „głównym źródłem obaw”. „Mamy nadzieję, że przekroczymy granice, aby poprawić opiekę onkologiczną, pomóc im żyć dłużej i zmniejszyć wpływ choroby na ich życie”.

Narzędzie AI może prowadzić do wczesnego wykrycia nawrotu u pacjentów z grupy wysokiego ryzyka, zapewniając im pilniejsze leczenie, ale może również prowadzić do mniejszej liczby zbędnych badań kontrolnych i wizyt w szpitalu u osób uważanych za niskiego ryzyka.

„Zmniejszenie liczby skanów wymaganych w tym ustawieniu może być korzystne, a także zmniejszenie narażenia na promieniowanie, wizyt w szpitalu i bardziej efektywnego wykorzystania zasobów NHS” – powiedział Lee.

W badaniu retrospektywnym klinicyści, naukowcy i badacze opracowali model uczenia maszynowego, aby określić, czy może on dokładnie zidentyfikować pacjentów z niedrobnokomórkowym rakiem płuca (NSCLC) zagrożonych nawrotem po radioterapii. Uczenie maszynowe to forma sztucznej inteligencji, która umożliwia oprogramowaniu automatyczne przewidywanie wyników.

Rak płuc jest główną przyczyną zgonów z powodu raka na całym świecie i odpowiada za nieco ponad jedną piątą (21%) zgonów z powodu raka w Wielkiej Brytanii. NSCLC stanowi prawie pięć szóstych (85%) przypadków raka płuc, a wcześnie wykryty choroba jest często uleczalna. Jednak ponad jedna trzecia (36%) pacjentów z NSCLC ma nawrót w Wielkiej Brytanii.

Naukowcy wykorzystali dane kliniczne od 657 pacjentów z NSCLC leczonych w pięciu szpitalach w Wielkiej Brytanii, aby uzupełnić swój model – i dodali dane dotyczące różnych czynników prognostycznych, aby lepiej przewidzieć ryzyko nawrotu u pacjenta.

Czynniki te obejmowały wiek pacjenta, płeć, wskaźnik masy ciała, palenie tytoniu, intensywność radioterapii i charakterystykę guza. Następnie naukowcy wykorzystali model sztucznej inteligencji do kategoryzacji pacjentów według niskiego i wysokiego ryzyka nawrotu, jak długo mogą upłynąć do nawrotu oraz całkowitego przeżycia dwa lata po leczeniu.

Stwierdzono, że narzędzie jest dokładniejsze w przewidywaniu wyników niż tradycyjne metody. Wyniki badań, wspierane przez Royal Marsden Cancer Charity i National Institute of zdrowie Badanie zostało opublikowane w eBioMedicine firmy The Lancet.

„Obecnie nie ma zdefiniowanych ram monitorowania pacjentów z niedrobnokomórkowym rakiem płuc po radioterapii w Wielkiej Brytanii” – powiedział kierownik badania dr Sumit Hinducha, zarejestrowany onkolog kliniczny w Royal Marsden i Imperial College London. „Oznacza to, że istnieją różnice w rodzaju i częstotliwości obserwacji pacjentów… Odpowiedzią może być wykorzystanie sztucznej inteligencji do danych dotyczących opieki zdrowotnej.

„Ponieważ tego typu dane są łatwo dostępne, tę metodologię można powielać w różnych systemach opieki zdrowotnej”.

Hinducha dodał, że badanie jest „ekscytującym pierwszym krokiem” w kierunku wprowadzenia narzędzia na poziomie krajowym i międzynarodowym do prowadzenia monitorowania pacjentów z rakiem po leczeniu.