Lečenje raka postaje sve složenije, ali nudi sve više i više mogućnosti. Na kraju krajeva, što se bolje razumeju biologija i genetske karakteristike tumora, postoji više pristupa lečenju. Da bismo pacijentima mogli da ponudimo personalizovane terapije prilagođene njihovoj bolesti, potrebna je naporna i dugotrajna analiza i interpretacija različitih podataka.
Istraživači sa Charite—Universitatsmedizin Berlin i Humboldt-Universitat zu Berlin sada su proučavali da li alati generativne veštačke inteligencije (AI) kao što je ChatGPT mogu pomoći u ovom koraku. Ovo je jedan od mnogih projekata u Charite-u koji analizira mogućnosti koje AI otvara u nezi pacijenata.
Nalazi su objavljeni u časopisu JAMA Network Open.
Ako telo više ne može samo da popravi određene genetske mutacije, ćelije počinju da rastu nekontrolisano, stvarajući tumor. Ključni faktor u ovom fenomenu je neravnoteža faktora koji indukuju rast i inhibiraju rast, a koji mogu biti rezultat promena u onkogenima — genima koji mogu da izazovu rak — na primer. Precizna onkologija, specijalizovana oblast personalizovane medicine, koristi ovo znanje korišćenjem specifičnih tretmana kao što su inhibitori niske molekularne težine i antitela za ciljanje i onemogućavanje hiperaktivnih onkogena.
Prvi korak u identifikaciji koje genetske mutacije su potencijalne mete za lečenje je analiza genetskog sastava tumorskog tkiva. Utvrđuju se molekularne varijante DNK tumora koje su neophodne za preciznu dijagnozu i lečenje. Zatim lekari koriste ove informacije za izradu individualnih preporuka za lečenje. U posebno složenim slučajevima to zahteva znanja iz različitih oblasti medicine.
U Charite-u se tada sastaje „odbor za molekularne tumore“ (MTB): Stručnjaci iz oblasti patologije, molekularne patologije, onkologije, ljudske genetike i bioinformatike rade zajedno kako bi analizirali koji tretmani izgledaju najperspektivniji na osnovu najnovijih studija. To je prilično složen proces, koji na kraju kulminira personalizovanom preporukom lečenja.
Dr Damian Rieke, doktor u Charite-u, prof. Ulf Leser i Ksing David Vang sa Humboldt-Universitat zu Berlin, i dr Manuela Benari, specijalista za bioinformatiku u Charite-u, pitali su se da li bi veštačka inteligencija mogla da pomogne u ovom trenutku. U svojoj nedavno objavljenoj studiji, radili su sa drugim istraživačima kako bi ispitali mogućnosti i ograničenja velikih jezičkih modela kao što je ChatGPT u automatskom skeniranju naučne literature sa ciljem odabira personalizovanih tretmana.
„Podstaknuli smo modele da identifikuju personalizovane opcije lečenja za fiktivne pacijente sa rakom, a zatim uporedili rezultate sa preporukama stručnjaka“, objašnjava Rike. Njegov zaključak: „Modeli veštačke inteligencije su u principu mogli da identifikuju personalizovane opcije lečenja — ali nisu bili ni blizu sposobnosti ljudskih stručnjaka.
Tim je napravio deset profila molekularnih tumora fiktivnih pacijenata za eksperiment. Ljekar specijalista i četiri velika jezička modela su tada dobili zadatak da identifikuju personalizovanu opciju lečenja. Ovi rezultati su predstavljeni članovima MTB-a na procenu, a da oni nisu znali odakle je koja preporuka.
„Postojale su neke iznenađujuće dobre opcije lečenja koje je identifikovala AI u izolovanim slučajevima“, izveštava Benari. „Ali veliki jezički modeli rade mnogo lošije od ljudskih stručnjaka. Osim toga, zaštita podataka, privatnost i reproduktivnost predstavljaju posebne izazove u vezi sa upotrebom veštačke inteligencije kod pacijenata iz stvarnog sveta, primećuje ona.
Ipak, Rieke je suštinski optimista po pitanju potencijalne upotrebe AI u medicini: „U studiji smo takođe pokazali da performanse AI modela nastavljaju da se poboljšavaju kako modeli napreduju. To bi moglo značiti da AI može da pruži veću podršku čak i za složene dijagnostički i tretmanski procesi u budućnosti—sve dok su ljudi ti koji će provjeravati rezultate koje generiše AI i imati posljednju riječ o tretmanu.“
