Rak trzustki od lat pozostaje jednym z najtrudniejszych wyzwań współczesnej onkologii. Wysoka śmiertelność wynika przede wszystkim z późnego rozpoznania, gdy choroba znajduje się już w stadium zaawansowanym. Najnowsze badanie opublikowane w Gut wskazuje jednak na przełomową możliwość zmiany tego paradygmatu. Model sztucznej inteligencji REDMOD potrafi wykrywać subtelne, dotąd niewidoczne zmiany tkankowe w gruczolakoraku przewodowym trzustki nawet na bardzo wczesnym etapie – zanim pojawią się objawy kliniczne.
Z tego artykułu dowiesz się…
- Jak działa model sztucznej inteligencji REDMOD i na czym polega analiza radiomiczna
- Dlaczego rak trzustki jest wykrywany tak późno i jakie są ograniczenia standardowej diagnostyki
- O ile wcześniej AI może wykryć zmiany nowotworowe w porównaniu do klasycznej diagnozy
- Jakie znaczenie ma wczesne wykrycie (stadium 0) dla przeżywalności pacjentów
Dlaczego rak trzustki jest tak trudny do wykrycia?
Gruczolakorak przewodowy trzustki (PDAC) to najczęstsza postać raka tego narządu, charakteryzująca się wyjątkowo agresywnym przebiegiem i niskim wskaźnikiem przeżywalności. Główne problemy diagnostyczne obejmują:
- brak specyficznych objawów we wczesnych stadiach,
- ograniczoną czułość standardowych badań obrazowych,
- szybki rozwój choroby i późne wykrycie zmian strukturalnych.
W praktyce oznacza to, że większość przypadków rozpoznawana jest dopiero w stadium, w którym leczenie radykalne nie jest już możliwe.
REDMOD – nowy model wczesnego wykrywania
Aby przełamać te ograniczenia, naukowcy opracowali model sztucznej inteligencji REDMOD (Radiomics-based Early Detection MODel). System wykorzystuje zaawansowane techniki radiomiki, czyli analizy subtelnych wzorców tekstury tkanek na obrazach tomografii komputerowej. Najważniejsze elementy technologii obejmują:
- automatyczną segmentację trzustki, eliminującą błędy ludzkie,
- analizę niewidocznych dla oka zmian w strukturze tkanki,
- wykorzystanie algorytmów uczenia maszynowego do identyfikacji wzorców predykcyjnych.
Dzięki temu możliwe jest wykrycie zmian nowotworowych na etapie, w którym są one jeszcze niewidoczne w klasycznej ocenie radiologicznej.
Projekt badania – analiza danych z wielu ośrodków
Skuteczność modelu REDMOD oceniono na podstawie analizy tomografii komputerowej 219 pacjentów, u których początkowo nie wykryto raka trzustki, ale choroba została zdiagnozowana w późniejszym czasie. Okres między wykonaniem badania, a rozpoznaniem wynosił:
- 3–12 miesięcy u 40% pacjentów,
- 12–24 miesiące u 35%,
- ponad 24 miesiące u 25% (do około 3 lat).
Dane te porównano z wynikami 1243 osób, u których nie rozwinął się nowotwór, co pozwoliło na wiarygodną ocenę skuteczności modelu.
Wczesne wykrywanie – ponad rok przewagi
Jednym z najważniejszych wyników badania jest zdolność REDMOD do wykrycia zmian nowotworowych średnio 475 dni przed rozpoznaniem klinicznym. Jak podkreślają badacze:
To okno czasowe ma ogromne znaczenie, ponieważ wczesne wykrycie choroby znacznie zwiększa prawdopodobieństwo wyleczenia i poprawy przeżywalności. Dodatkowo: w rzeczywistości badania modelowe wskazują, że zwiększenie odsetka zlokalizowanych [raków przewodowych trzustki] z 10% do 50% ponad dwukrotnie zwiększyłoby wskaźniki przeżywalności, co podkreśla, że moment diagnozy jest najważniejszym czynnikiem determinującym wyniki przeżywalności.
REDMOD kontra doświadczeni radiolodzy
Model sztucznej inteligencji wykazał wyraźną przewagę nad oceną radiologiczną:
- czułość: 73% dla REDMOD vs 39% dla radiologów,
- dokładność w wykrywaniu zmian ponad 2 lata przed diagnozą: 68% vs 23%.
Co więcej, system wykazał wysoką powtarzalność wyników – w 90–92% przypadków identyfikował te same zmiany w kolejnych badaniach tego samego pacjenta. Dodatkowo poprawnie rozpoznawał brak choroby w ponad:
- 81% przypadków w niezależnej kohorcie (539 pacjentów),
- 87,5% przypadków w publicznym zbiorze danych NIH.
Potencjał kliniczny i grupy wysokiego ryzyka
Mimo obiecujących wyników, zastosowanie modelu w praktyce klinicznej wymaga dalszych badań, szczególnie w populacjach wysokiego ryzyka. Do grup tych należą osoby:
- z nagłą, niewyjaśnioną utratą masy ciała,
- z nowo rozpoznaną cukrzycą,
- z obciążonym wywiadem rodzinnym.
Wdrożenie takiego narzędzia mogłoby umożliwić przesunięcie diagnostyki raka trzustki z fazy objawowej do fazy przedklinicznej.
Ograniczenia badania i dalsze kierunki
Autorzy badania wskazują na pewne ograniczenia, w tym brak różnorodności etnicznej badanej populacji. Konieczne są dalsze badania prospektywne, które potwierdzą skuteczność modelu w różnych populacjach. Jednocześnie podkreślają:
Niniejsze badanie potwierdza, że REDMOD jest w pełni zautomatyzowanym systemem sztucznej inteligencji, który umożliwia identyfikację sygnatur obrazowych gruczolakoraka przewodowego trzustki w stadium 0 w zdrowej trzustce, a jednocześnie pozwala na osiągnięcie tego przy znacznie krótszym czasie realizacji i z wydajnością przewyższającą doświadczoną radiologię.
Główne wnioski
- Model REDMOD wykrywa zmiany nowotworowe średnio 475 dni przed diagnozą kliniczną, co znacząco zwiększa szanse na leczenie we wczesnym stadium.
- W porównaniu z radiologami AI osiągnęła wyższą czułość (73% vs 39%) oraz lepszą skuteczność w wykrywaniu zmian nawet ponad 2 lata wcześniej.
- Badanie objęło 219 pacjentów z późniejszą diagnozą raka trzustki oraz 1243 osoby w grupie kontrolnej, co zwiększa wiarygodność wyników.
- REDMOD identyfikuje niewidoczne zmiany tkankowe w stadium 0, co może zmienić diagnostykę z późnej na przedkliniczną i poprawić przeżywalność pacjentów.
Źródło:
- https://gut.bmj.com/content/early/2026/04/22/gutjnl-2025-337266
