Decenijama su naučnici i patolozi pokušavali, bez mnogo uspeha, da pronađu način da utvrde koji su pojedinačni pacijenti sa karcinomom pluća u najvećem riziku da se njihova bolest proširi ili metastazira na druge delove tela.
Sada je tim naučnika sa Kalteha i Medicinskog fakulteta Univerziteta Vašington u Sent Luisu dao taj problem algoritmima veštačke inteligencije (AI), tražeći od kompjutera da predvide koji slučajevi raka će verovatno metastazirati. U novoj pilot studiji pacijenata sa karcinomom pluća ne-malih ćelija (NSCLC), AI je nadmašio stručnjake patologe u takvim predviđanjima.
Ova predviđanja o progresiji raka pluća imaju važne implikacije u smislu života pojedinačnog pacijenta. Lekari koji leče pacijente sa NSCLC u ranoj fazi suočavaju se sa izuzetno teškom odlukom da li da intervenišu skupim, toksičnim tretmanima, kao što su hemoterapija ili zračenje, nakon što se pacijent podvrgne operaciji pluća. Na neki način, ovo je oprezniji put jer više od polovine pacijenata sa stadijumom I–III NSCLC na kraju doživi metastaze u mozgu. Ali to znači da mnogi drugi nemaju. Za te pacijente, tako teški tretmani su potpuno nepotrebni.
U novoj studiji, objavljenoj ove nedelje u Journal of Pathologi, saradnici pokazuju da AI obećava kao alat koji bi jednog dana mogao pomoći lekarima u donošenju odluka.
„Preterano lečenje pacijenata sa rakom je veliki problem“, kaže Čanghuei Jang, profesor elektrotehnike, bioinženjeringa i medicinskog inženjerstva Thomas G. Miers na Caltech-u i istraživač Instituta za medicinska istraživanja Heritage. „Naša pilot studija pokazuje da AI može biti veoma dobar u tome da nam posebno kaže kod kojih pacijenata je malo verovatno da će razviti metastaze raka mozga.
Jang upozorava da je rad samo prvi korak i da je potrebna veća studija da bi se potvrdili nalazi.
Tim je radio sa podacima i slikama biopsije prikupljenim od 118 pacijenata sa NSCLC na Medicinskom fakultetu Univerziteta Vašington u Sent Luisu. Obično patolog pregleda takve slike, pretražujući ih u potrazi za abnormalnostima u ćelijama koje bi mogle sugerisati da rak napreduje.
Elektroinženjeri Caltech-a predvođeni Jangom koristili su stotine hiljada pločica sa slikama izvučenih iz tih 118 originalnih slika biopsije da obuče tip AI programa koji se zove mreža za duboko učenje. Takođe su pružili naknadne podatke o tome koji pacijenti su razvili metastaze u mozgu u roku od pet godina od dijagnoze, a koji nisu.
„U suštini smo tražili od mreže da uči iz svih ovih slika, da izabere neke karakteristike iz kontekstualnih informacija koje bi mogle ukazati na nešto o ishodu pacijenta“, kaže diplomirani student Haoven Džou, prvi autor novog rada. Zatim je mreži dato 40 dodatnih slika biopsije i zatraženo je da se utvrdi da li su pacijenti imali metastaze u mozgu.
AI mreža je bila u stanju da tačno predvidi da li je pojedinačni pacijent sa NSCLC doživeo metastaze u mozgu u 87% vremena. Nasuprot tome, četiri stručna patologa koji su pregledali iste slike biopsije uspeli su da naprave tačna predviđanja samo u 57% vremena.
„Naša studija je pokazatelj da metode veštačke inteligencije mogu da naprave smislena predviđanja koja su dovoljno specifična i osetljiva da utiču na upravljanje pacijentima“, kaže Richard Cote, šef Odeljenja za patologiju i imunologiju na Medicinskom fakultetu Univerziteta u Vašingtonu i jedan od direktora istraživač nove studije. On napominje da su za pacijente sa NSCLC u najranijoj fazi (one klasifikovane kao stadijum I), rezultati AI bili čak i bolji od onih za celu studiju i da su ova predviđanja bila zasnovana isključivo na osnovnim, rutinski obrađenim mikroskopskim slajdovima.
Dajući AI informacije o dodatnim faktorima kao što su težina bolesti i bilo koji dodatni biomarkeri, istraživači očekuju da će moći da unaprede prediktivne moći AI programa u budućnosti.
Zanimljivo je da AI program ne ukazuje tačno koji faktori izazivaju određena predviđanja. Dakle, tim takođe radi na otkrivanju suptilnih i složenih karakteristika tumorskih ćelija i njihovog okruženja na koje bi se AI program mogao usmeriti.
„Gleda na ono na šta bismo gledali kao na patologa“, kaže Cote. „Ali to vidi više nego što mi možemo da vidimo.“ Možda će, kaže on, kada naučnici nauče tačno na šta se AI fokusira, moći će da razviju nove terapije za rešavanje tih indikatora.
Takođe se radujući, Jangova grupa u Caltech-u je zainteresovana za razvoj instrumentacije i procesa koji bi pomogli naučnicima i kliničarima da prikupe ujednačenije i kvalitetnije slike biopsije kako bi se povećala tačnost predviđanja AI.
„Kada budemo mogli da vidimo šta AI radi, možemo početi da razmišljamo o tome kako da dizajniramo instrumente za snimanje i mikroskopiju da bismo optimalnije dobili podatke koje AI želi“, kaže Jang. „Možemo se udaljiti od instrumenata za snimanje koji su dizajnirani za ljudsku upotrebu i krenuti ka pravljenju instrumenata koji su optimizovani za upotrebu mašina.“
