Guzy mózgu należą do najbardziej złożonych diagnostycznie nowotworów. Współczesna neuropatologia coraz częściej wymaga nie tylko oceny wyglądu komórek pod mikroskopem, ale także szczegółowej analizy molekularnej. Problem polega na tym, że takie badania są kosztowne, czasochłonne i niedostępne w wielu regionach świata. Przełomowe rozwiązanie opracowane przez naukowców z Niemieckiego Centrum Badań nad Rakiem (DKFZ) oraz Uniwersytetu w Heidelbergu może jednak znacząco zmienić ten stan rzeczy. System sztucznej inteligencji Hetairos potrafi rozpoznać ponad 100 podtypów molekularnych guzów ośrodkowego układu nerwowego, wykorzystując wyłącznie standardowo przygotowane preparaty histopatologiczne. Wyniki uzyskuje w ciągu kilku minut. Badanie opisujące działanie technologii opublikowano w prestiżowym czasopiśmie Nature Cancer.
Z tego artykułu dowiesz się…
- Jak działa system sztucznej inteligencji Hetairos i dlaczego może zmienić diagnostykę guzów mózgu,
- Dlaczego klasyfikacja molekularna nowotworów OUN jest dziś tak istotna dla wyboru leczenia,
- Jaką skuteczność osiągnęło AI w porównaniu z doświadczonymi neuropatologami,
- Dlaczego nowe rozwiązanie może poprawić dostęp do nowoczesnej diagnostyki na całym świecie.
Dlaczego diagnostyka guzów mózgu jest tak trudna?
Guzy mózgu i rdzenia kręgowego nie stanowią jednej choroby. Obecna klasyfikacja WHO wyróżnia liczne jednostki różniące się przebiegiem klinicznym, rokowaniem oraz odpowiedzią na leczenie. W ostatnich latach coraz większego znaczenia nabrała diagnostyka molekularna, która pozwala precyzyjnie określić biologiczny charakter nowotworu. Szczególną rolę odgrywa analiza metylacji DNA, uznawana obecnie za złoty standard w klasyfikacji wielu nowotworów ośrodkowego układu nerwowego. Metoda ta ma jednak istotne ograniczenia. Wymaga:
- specjalistycznych laboratoriów,
- kosztownego wyposażenia,
- odpowiedniej ilości materiału tkankowego,
- wysoko wykwalifikowanego personelu.
Dodatkowo uzyskanie wyniku trwa zwykle około dwóch tygodni. W wielu krajach dostęp do takich badań pozostaje ograniczony.
Hetairos – sztuczna inteligencja ucząca się na tysiącach preparatów
Nowy system AI został opracowany przez zespół kierowany przez Moritza Gerstunga z DKFZ oraz Felixa Sahma z Uniwersytetu w Heidelbergu. Jego zadaniem było przewidywanie podtypu molekularnego guza wyłącznie na podstawie rutynowych preparatów histologicznych barwionych metodą H&E. Hetairos przeszkolono i zweryfikowano z wykorzystaniem:
- ponad 11 000 zdigitalizowanych przekrojów tkanek,
- materiału pochodzącego od 9606 pacjentów,
- danych z 11 ośrodków medycznych,
- próbek z czterech kontynentów.
Punktem odniesienia były diagnozy uzyskane dzięki analizie metylacji DNA. Łącznie system potrafi rozpoznać 102 molekularne podtypy nowotworów, obejmujące niemal pełne spektrum aktualnej klasyfikacji WHO dotyczącej guzów ośrodkowego układu nerwowego.
Jak skuteczny okazał się Hetairos?
Jedną z najważniejszych cech systemu jest zdolność do oceny własnej pewności diagnostycznej. W około 50–70% przypadków Hetairos wskazywał diagnozy z wysokim poziomem pewności. W tej grupie trafność wynosiła około 87–88%. Nawet wtedy, gdy system nie był całkowicie pewny swojej oceny, potrafił znacząco zawęzić liczbę możliwych rozpoznań. Zamiast analizować ponad sto potencjalnych podtypów, neuropatolodzy otrzymywali krótką listę najbardziej prawdopodobnych rozpoznań, co mogło ułatwić dobór dalszych badań.
Badania pokazują, że sztuczna inteligencja jest w stanie pozyskiwać informacje molekularne bezpośrednio z rutynowych przekrojów tkanek, co może radykalnie zmienić diagnostykę raka – powiedział Darui Jin, jeden z głównych autorów badania.
Sztuczna inteligencja lepsza od ekspertów?
Szczególnie interesujące okazało się bezpośrednie porównanie możliwości AI z pracą doświadczonych specjalistów. Pięciu neuropatologów z różnych międzynarodowych ośrodków otrzymało 210 przypadków do oceny wyłącznie na podstawie obrazów histopatologicznych. Wyniki były zaskakujące. Hetairos osiągnął trafność diagnostyczną na poziomie 68%, podczas gdy średni wynik ekspertów wyniósł około 30%. Po uwzględnieniu trzech najbardziej prawdopodobnych rozpoznań przewaga systemu była jeszcze bardziej widoczna:
- Hetairos – 84%,
- neuropatolodzy – około 50%.
Wyniki pokazują, że współczesne systemy sztucznej inteligencji potrafią już rozpoznawać niezwykle subtelne wzorce morfologiczne, które trudno rozróżnić nawet doświadczonym specjalistom – powiedział Felix Sahm.
Jednocześnie eksperci podkreślają, że AI nadal ma trudności z najrzadszymi typami nowotworów.
Obecnie diagnostyka bardzo rzadkich typów nowotworów wciąż stanowi dla Hetairos ogromne wyzwanie; pod tym względem doświadczeni neuropatolodzy wydają się być co najmniej na równi. Oczekujemy jednak, że wydajność systemu ulegnie dalszej poprawie dzięki większym i bardziej zróżnicowanym zbiorom danych – dodał Moritz Gerstung.
12 minut zamiast 12 dni
Badacze sprawdzili również działanie Hetairos w rzeczywistych warunkach klinicznych. W prospektywnym badaniu system przeanalizował 210 próbek guzów równolegle z rutynową diagnostyką. Wynik uzyskany przez AI nie wpływał na decyzje terapeutyczne. Okazało się, że:
- pełna diagnostyka molekularna trwała średnio około 12 dni,
- Hetairos potrzebował około 12 minut od momentu digitalizacji preparatów,
- uwzględniając przygotowanie materiału i skanowanie, wyniki mogły być dostępne w ciągu 24–48 godzin.
W praktyce oznacza to możliwość znacznego skrócenia czasu oczekiwania na kluczowe informacje diagnostyczne.
Pomoc szczególnie tam, gdzie zasoby są ograniczone
Autorzy podkreślają, że Hetairos nie został stworzony po to, by zastępować diagnostykę molekularną. Jego celem jest wspieranie lekarzy oraz przyspieszenie procesu diagnostycznego. System może okazać się szczególnie przydatny:
- przy niewystarczającej ilości materiału nowotworowego,
- gdy badania genetyczne dają niejednoznaczne wyniki,
- w krajach o ograniczonym dostępie do zaawansowanej diagnostyki molekularnej.
Co istotne, AI wskazuje również obszary preparatu, które miały największe znaczenie dla postawionej diagnozy. Dzięki temu lekarze mogą prześledzić tok rozumowania algorytmu.
Opracowaliśmy Hetairos przede wszystkim jako narzędzie wspomagające diagnostykę – wyjaśnia Sahm. Nie ma ona na celu zastąpienia analiz molekularnych, lecz ich uzupełnienie i przyspieszenie. Technologia ta może wnieść istotny wkład, szczególnie w krajach lub regionach o ograniczonych zasobach, ponieważ opiera się na standardowych przekrojach tkanek stosowanych na całym świecie.
Czy AI obniży koszty diagnostyki?
Nowa technologia może przynieść także wymierne korzyści ekonomiczne. Analiza metylacji DNA kosztuje zazwyczaj kilkaset euro. Hetairos wykorzystuje natomiast preparaty wykonywane rutynowo w każdej pracowni histopatologicznej. W efekcie może ograniczyć konieczność wykonywania części kosztownych badań dodatkowych i usprawnić organizację pracy laboratoriów.
Hetairos pokazuje ogromny potencjał cyfrowej patologii wspomaganej sztuczną inteligencją, która może zapewnić szybkie i szeroko dostępne metody diagnostyczne, których wcześniej można było dokonać jedynie przy znacznym wysiłku technicznym – podsumował Gerstung.
Główne wnioski
- Hetairos rozpoznaje 102 podtypy molekularne guzów ośrodkowego układu nerwowego na podstawie standardowych preparatów histopatologicznych, bez konieczności wykonywania pełnej diagnostyki molekularnej.
- System uzyskiwał wyniki średnio w 12 minut, podczas gdy klasyczna analiza molekularna trwała około 12 dni. Uwzględniając przygotowanie i digitalizację preparatów, odpowiedź mogła być dostępna w ciągu 24–48 godzin.
- W porównaniu z pięcioma doświadczonymi neuropatologami AI osiągnęła trafność diagnostyczną na poziomie 68% wobec około 30%. Przy uwzględnieniu trzech najbardziej prawdopodobnych rozpoznań wyniki wyniosły odpowiednio 84% i około 50%.
- Autorzy podkreślają, że Hetairos ma wspierać, a nie zastępować lekarzy, przyspieszając diagnostykę i zwiększając dostęp do nowoczesnych metod klasyfikacji nowotworów na całym świecie.
Źródło:
- https://www.nature.com/articles/s43018-026-01186-3
- German Cancer Research Center
