Diagnostyka śródoperacyjna nowotworów mózgu stanowi jedno z największych wyzwań współczesnej neuroonkologii. Glejak wielopostaciowy (GBM) i pierwotny chłoniak ośrodkowego układu nerwowego (PCNSL) to dwa różne nowotwory, które – mimo odmiennych przyczyn i metod leczenia – mogą wyglądać niemal identycznie pod mikroskopem. Błędna diagnoza może skutkować niewłaściwym leczeniem i niepotrzebną ingerencją chirurgiczną. Zespół badawczy z Harvard Medical School opracował narzędzie oparte na sztucznej inteligencji, które rozwiązuje ten problem, oferując przełom w śródoperacyjnej ocenie guzów mózgu.
Z tego artykułu dowiesz się…
- Jak działa narzędzie PICTURE opracowane przez Harvard Medical School i czym się wyróżnia na tle innych modeli AI.
- Dlaczego różnicowanie glejaka wielopostaciowego od PCNSL jest kluczowe podczas operacji neurochirurgicznych.
- Jak sztuczna inteligencja może zredukować liczbę błędów diagnostycznych w onkologii mózgu.
- Jakie są potencjalne zastosowania tego narzędzia w edukacji, patologii i na salach operacyjnych.
Nowotwory mózgu – leczenie i diagnoza
Guzy mózgu i ośrodkowego układu nerwowego są wyjątkowo zróżnicowaną grupą nowotworów – Światowa Organizacja Zdrowia (WHO) klasyfikuje ich obecnie aż 109 typów, z których każdy charakteryzuje się odmiennym profilem histologicznym i molekularnym. Co roku na całym świecie diagnozuje się ponad 300 000 takich przypadków, a śmiertelność sięga ponad 200 000 osób rocznie. Jednym z największych wyzwań chirurgii onkologicznej jest precyzyjne odróżnienie poszczególnych typów guzów już w trakcie operacji – bez konieczności czekania na wynik badania histopatologicznego.
Z pomocą przychodzi system PICTURE (Pathology Image Characterization Tool with Uncertainty-aware Rapid Evaluations) – oparta na sztucznej inteligencji technologia, która potrafi w czasie rzeczywistym analizować dane śródoperacyjne i odróżniać trudne diagnostycznie guzy, takie jak pierwotny chłoniak ośrodkowego układu nerwowego (PCNSL) od glejaka wielopostaciowego (GBM). Te dwa nowotwory mogą wyglądać podobnie w badaniach obrazowych, jednak ich leczenie jest skrajnie różne.
Podczas gdy PCNSL lepiej odpowiada na chemioterapię i radioterapię, GBM wymaga agresywnego podejścia chirurgicznego, polegającego na usunięciu jak największej części zmiany. Dzięki technologii PICTURE możliwe jest szybkie i precyzyjne rozróżnienie tych nowotworów, co pozwala chirurgom na podjęcie właściwej decyzji terapeutycznej jeszcze na sali operacyjnej. To oznacza realne oszczędzenie zdrowej tkanki mózgowej i zwiększenie szans pacjenta na skuteczne leczenie dostosowane do typu guza.
PICTURE – nowe narzędzie diagnostyczne AI
Nowe narzędzie PICTURE potrafi z niemal idealną dokładnością odróżnić glejaka wielopostaciowego od PCNSL. Obydwa nowotwory mogą rozwijać się w mózgu, jednak różnią się pochodzeniem – glejak pochodzi z komórek mózgu, a chłoniak z komórek układu odpornościowego.
Nasz model może zminimalizować błędy diagnostyczne poprzez rozróżnianie guzów o nakładających się cechach i pomóc lekarzom ustalić najlepszą metodę leczenia na podstawie rzeczywistej tożsamości guza – powiedział Kun-Hsing Yu, starszy autor badania, adiunkt informatyki biomedycznej w Instytucie Blavatnika w Harvard Medical School oraz adiunkt patologii w Brigham and Women’s Hospital.
Przełom w diagnostyce śródoperacyjnej
Podczas operacji mózgu chirurdzy pobierają wycinki guza, które są następnie analizowane pod mikroskopem po zamrożeniu – proces ten trwa ok. 15 minut. Jednak ten szybki sposób może nieco zniekształcać strukturę tkanek, prowadząc do błędnych ocen. Aż w 1 na 20 przypadków wstępna diagnoza ulega zmianie po analizie końcowej.
W takich sytuacjach PICTURE okazuje się nieocenione. Narzędzie jest w stanie w czasie rzeczywistym rozpoznać typ guza i poinformować, jeśli nie jest pewne diagnozy – co jest unikalną cechą w świecie algorytmów AI.
Skuteczność potwierdzona międzynarodowo
Model PICTURE został przetestowany na 2141 próbkach guzów mózgu, pochodzących z całego świata, w tym na próbkach rzadkich i trudnych diagnostycznie. Narzędzie przewyższyło nie tylko tradycyjne podejście patologów, ale również inne modele AI.
W testach klinicznych przeprowadzonych w pięciu szpitalach w czterech krajach, PICTURE prawidłowo odróżniał GBM od PCNSL w ponad 98% przypadków. Co więcej, narzędzie wykrywało również inne typy nowotworów mózgu (łącznie 67), nie próbując błędnie przypisać ich do jednej z dwóch znanych kategorii.
Nasz model wykazuje niezawodną skuteczność w przypadku zamrożonych skrawków podczas operacji mózgu oraz w sytuacjach, w których występują znaczne rozbieżności diagnostyczne między ekspertami – podkreśla Yu.
Detektor niepewności – klucz do odpowiedzialnego zastosowania AI
Wysoka skuteczność to nie wszystko. Kluczową cechą PICTURE jest tzw. „detektor niepewności”, który pozwala narzędziu na wskazanie momentów, w których nie jest pewne diagnozy. Zamiast podejmować ryzykowną decyzję, AI „oddaje głos” lekarzowi. W medycynie, gdzie stawką jest zdrowie i życie pacjenta, taka funkcjonalność jest bezcenna.
Potencjał wdrożenia i znaczenie edukacyjne
Zdaniem autorów badania, system PICTURE może znaleźć szerokie zastosowanie na salach operacyjnych i oddziałach patologii jako narzędzie wspomagające decyzje terapeutyczne w czasie rzeczywistym. Co istotne, może on także służyć jako platforma edukacyjna dla przyszłych patologów i neurochirurgów, pokazując trudne do wychwycenia różnice między podobnymi nowotworami.
Ponadto narzędzie ma szansę zdemokratyzować dostęp do zaawansowanej neuropatologii, która w wielu krajach jest silnie scentralizowana i niedostępna dla pacjentów spoza dużych ośrodków klinicznych.
Ograniczenia i perspektywy rozwoju
Autorzy badania zwracają uwagę, że większość próbek pochodziła od pacjentów rasy białej, dlatego konieczne są dalsze testy w różnych populacjach etnicznych. Co więcej, przyszłe wersje systemu mogłyby zostać rozszerzone o dane genetyczne i molekularne, co jeszcze bardziej zwiększyłoby jego precyzję.
Główne wnioski
- PICTURE to innowacyjne narzędzie AI, które z ponad 98% skutecznością rozróżnia glejaka wielopostaciowego od chłoniaka pierwotnego ośrodkowego układu nerwowego (PCNSL).
- Model został przetestowany na ponad 2000 preparatach patologicznych z pięciu szpitali w czterech krajach, przewyższając diagnostykę patologiczną i inne systemy AI.
- Unikalną cechą PICTURE jest detektor niepewności, który sygnalizuje brak pewności przy analizie – kluczowy element przy decyzjach wysokiego ryzyka.
- System może ograniczyć błędne decyzje chirurgiczne, przyspieszyć terapię oraz posłużyć jako narzędzie edukacyjne i wsparcie w regionach z ograniczonym dostępem do neuropatologów.
Źródło:
- Harvard Medical School
- Nature Communications
