Za pacijente sa karcinomom orofarinksa koji je povezan sa humanim papiloma virusom (HPV), procena prisustva ćelija raka izvan limfnih čvorova ili ekstranodalnog proširenja (ENE) je kritična u određivanju pravilnog lečenja. Međutim, ENE je često teško otkriti na slikanju pre tretmana, što može dovesti do eskalacije u lečenju što rezultira većom toksičnošću i lošijim ishodima života.
Nova studija istraživača iz Brigam i ženske bolnice, osnivača Mass General Brigham sistema zdravstvene zaštite, i Dana-Farber Brigham centra za rak otkrila je da je algoritam zasnovan na veštačkoj inteligenciji (AI) superiorniji u otkrivanju ENE u poređenju sa četiri eksperta radiolozi glave i vrata u velikom, multicentričnom kliničkom ispitivanju raka orofarinksa. Ova tehnologija je sada postavljena da se koristi u kliničkom ispitivanju kako bi se utvrdilo da li rezultira poboljšanim ishodima lečenja. Rezultati tima objavljeni su u The Lancet Digital Health.
„Kancer orofarinksa povezan sa HPV-om je sada najčešći tip ovog karcinoma. I dok ovi pacijenti imaju tendenciju da veoma dobro reaguju na operaciju ili hemoterapiju i zračenje, bilo je mnogo interesovanja za pokušaje pronalaženja načina za deeskalaciju lečenja, tako da pacijenti mogu imati manje neželjenih efekata i dugoročnih problema koji smanjuju kvalitet života“, rekao je prvi autor Benjamin Kann, MD. „Privlačna strategija je da se za ove pacijente koristi vrsta minimalno invazivne hirurgije, koja se zove transoralna robotska hirurgija (TORS), umesto sedam nedelja kombinovane hemoterapije i zračenja.
Međutim, prisustvo ENE je faktor rizika za povratak raka nakon operacije i za niže stope ukupnog preživljavanja, što pacijente sa ENE čini lošim kandidatima za TORS. „Ako se ENE nađe nakon operacije, ti pacijenti i dalje moraju da dobiju dugi kurs hemoterapije i zračenja ili trimodalnu terapiju, koja je povezana sa najgorim komplikacijama i kvalitetom života“, rekao je Kan.
Istorijski gledano, ENE je bilo veoma teško otkriti korišćenjem tradicionalnih dijagnostičkih slika, tako da je postojao dobar broj pacijenata kojima je i dalje potrebna trimodalna terapija, uprkos skriningu. „Nezadovoljena potreba i podsticaj za korišćenje AI u ovoj studiji bili su da vidimo da li možemo bolje da predvidimo da li je ENE bio prisutan ili ne na CT skeniranju pre lečenja, tako da možemo da pomognemo u odabiru odgovarajućih pacijenata za operaciju ili za hemoterapiju i zračenje“, rekao je Kan.
Tim je već razvio duboki AI algoritam koji je bio obučen da otkrije ENE i pokazao je visok nivo tačnosti u nekoliko skupova podataka. Za ovu studiju, tim je sproveo retrospektivnu procenu performansi AI algoritma, koristeći CT pre tretmana i odgovarajuće izveštaje o hirurškoj patologiji iz ECOG-ACRIN Cancer Research Group E3311, multicentričnog ispitivanja deeskalacije faze 2.
„Ono što je bilo važno u vezi sa ovom studijom je da je testirala algoritam u kontekstu veoma velikog randomizovanog kliničkog ispitivanja, gde su pacijenti koji su bili uključeni, po definiciji, trebalo da budu pregledani zbog ENE, a ipak je značajan deo ipak završio imajući ENE“, rekao je Kan. „Kada smo primenili algoritam na ovu populaciju da vidimo kako bi to uradio u predviđanju ENE, otkrili smo da se dobro pokazao sa visokim stepenom tačnosti – bolji od sva četiri stručna radiologa za glavu i vrat.
„Čini se da je glavna prednost povećanje osetljivosti, ili manji procenat propuštenog ENE“, rekao je Kan. „U idealnom slučaju, bolje prepoznavanje ENE u prethodnom tretmanu bi rezultiralo nižom stopom terapije trimodalnošću i poboljšanim kvalitetom života pacijenata.
Ovi nalazi sugerišu da integrisanje ovog algoritma AI u kliniku može dati lekarima tačnije informacije o prisustvu ENE i odrediti koji pacijenti mogu biti najbolje uslužni operacijom ili hemoterapijom i zračenjem.
