Współczesna chirurgia raka piersi coraz częściej zmierza ku rozwiązaniom bardziej zindywidualizowanym i mniej inwazyjnym. Przełomowe badania naukowców z Uniwersytetu w Lund (Szwecja) pokazują, że wykorzystanie sztucznej inteligencji może odegrać kluczową rolę w ocenie ryzyka przerzutów nowotworowych do węzłów chłonnych pachowych. Wytrenowany model AI, analizując dane z mammografii i parametry kliniczne, pozwala precyzyjnie ocenić, które pacjentki mogą uniknąć biopsji węzła wartowniczego. Według wyników opublikowanych w npj Digital Medicine, aż 41,7% zabiegów pachowych można by było ominąć bez narażania pacjentek na ryzyko onkologiczne.
Z tego artykułu dowiesz się…
- Jak działa model sztucznej inteligencji stworzony przez naukowców z Uniwersytetu w Lund.
- W jaki sposób AI może pomóc uniknąć tysięcy niepotrzebnych operacji pachowych u pacjentek z rakiem piersi.
- Na czym polega projekt NILS i dlaczego to ważny krok w kierunku spersonalizowanej diagnostyki.
- Jakie są potencjalne zastosowania tej technologii w przyszłości, także poza Szwecją.
Sztuczna inteligencja a chirurgia pachy – nowe podejście w onkologii piersi
W raku piersi jednym z kluczowych elementów diagnostyki i leczenia jest ocena węzłów chłonnych pachowych – głównego miejsca potencjalnych przerzutów. Obecnie standardem jest chirurgiczna biopsja węzła wartowniczego, która mimo że jest stosunkowo niewielkim zabiegiem, może powodować komplikacje: ból, drętwienie, obrzęk czy gromadzenie płynu.
Tymczasem – jak wskazuje prof. Lisa Rydén, chirurg i kierowniczka projektu badawczego NILS (Non-Invasive Lymph node Staging) – w przypadku ok. 80% pacjentek nie wykrywa się przerzutów do węzłów chłonnych. Oznacza to, że u większości kobiet zabieg pachowy nie ma wartości terapeutycznej, a jedynie diagnostyczną.
W tym badaniu skupiliśmy się na przewidywaniu ryzyka wystąpienia przerzutów w pachwinie – podkreśla prof. Rydén z Uniwersytetu w Lund i Szpitala Uniwersyteckiego w Skåne.
Model NILS: jak działa sztuczna inteligencja w praktyce?
Badacze z Uniwersytetu w Lund opracowali model AI, który analizuje pełne obrazy mammograficzne i łączy je z informacjami klinicznymi, takimi jak wiek pacjentki i typ nowotworu.
Opracowaliśmy nasz algorytm w trzech krokach. Najpierw model sztucznej inteligencji przeanalizował dziesiątki tysięcy mammogramów, aby poznać ich podstawową strukturę, taką jak krawędzie, tekstura i kształty. Następnie model sztucznej inteligencji został przeszkolony w zakresie wyszukiwania konkretnych wskazówek dotyczących raka, takich jak granice guzów. Na koniec wdrożono ‘holistyczne podejście’ poprzez uwzględnienie innych ważnych informacji o pacjencie, takich jak wiek i rodzaj guza, aby dokładniej przewidywać ryzyko przerzutów – wyjaśnia Daqu Zhang, doktorant Wydziału Nauk Ścisłych Uniwersytetu w Lund.
Do trenowania modelu wykorzystano mammografie 1265 pacjentek ze Skanii, u których w latach 2009–2017 zdiagnozowano raka piersi we wczesnym stadium i zastosowano leczenie chirurgiczne jako pierwszy krok terapii.
Jakie wyniki dał model AI?
Model NILS klasyfikuje węzły chłonne jako wolne od choroby lub zajęte na podstawie mammografii i danych klinicznych. Wyniki okazały się przełomowe – w 41,7% przypadków biopsji węzła wartowniczego można było uniknąć.
Badanie to wskazuje, że gdyby zastosować model sztucznej inteligencji zamiast operować wszystkich pacjentów, moglibyśmy zidentyfikować około 40% pacjentów, u których można by uniknąć zabiegu – mówi prof. Rydén.
Mammografia jako punkt wyjścia dla inteligentnej diagnostyki
Ogromną zaletą modelu AI jest to, że opiera się na danych z rutynowo wykonywanych badań mammograficznych. Oznacza to brak konieczności wykonywania dodatkowych, kosztownych i inwazyjnych procedur. Co więcej, Szwecja wyróżnia się jednym z najlepiej zorganizowanych programów badań przesiewowych raka piersi – ok. 67% przypadków diagnozuje się podczas regularnych mammografii u kobiet w wieku 40–74 lat.
W idealnym scenariuszu możliwe byłoby uzyskanie znacznie więcej informacji na temat stadium guza i rokowania na podstawie mammografii diagnostycznej. Nasz artykuł koncentruje się na rozprzestrzenianiu się nowotworu na węzły chłonne, ale w trwających badaniach międzynarodowych wzór obrazu mógłby również przewidywać rokowanie – dodaje Rydén.
Walidacja i wdrożenie kliniczne
Obecnie badacze pracują nad walidacją modelu na niezależnych danych klinicznych, zarówno ze Szwecji, jak i z zagranicy. Celem jest potwierdzenie uniwersalności działania algorytmu i jego przydatności w zróżnicowanych populacjach.
Obecnie wykonuje się osobną procedurę w okolicy pachy, znaną jako biopsja węzła wartowniczego, w celu określenia rozsiewu do węzłów chłonnych. Wykorzystując NILS jako punkt wyjścia oraz dane dotyczące pacjenta i guza jako podstawę, moglibyśmy zamiast tego dokonać bardziej indywidualnej oceny ryzyka przed operacją. Jeśli ryzyko jest niskie, można by uniknąć operacji pachowej, po rozmowie z pacjentem. Jeśli ryzyko jest wysokie, zaplanowalibyśmy operację. Byłby to krok w kierunku opieki bardziej zorientowanej na pacjenta, w której każde działanie przynosi wyraźne korzyści dla konkretnego pacjenta – tłumaczy Rydén.
👉 Wyniki oraz opis badań znajdziesz pod TYM LINKIEM
Główne wnioski
- Model AI stworzony na Uniwersytecie w Lund pozwala określić indywidualne ryzyko przerzutów raka piersi do węzłów chłonnych na podstawie mammografii i danych klinicznych.
- W 41,7% przypadków zastosowanie algorytmu umożliwiłoby uniknięcie biopsji węzła wartowniczego, która wiąże się z ryzykiem powikłań.
- Projekt badawczy NILS reprezentuje nowoczesne, nieinwazyjne podejście do oceny rozprzestrzeniania się nowotworu i może zrewolucjonizować planowanie leczenia chirurgicznego.
- Wyniki wymagają walidacji w niezależnych grupach pacjentek, ale potencjał kliniczny rozwiązania jest wysoki – także poza Szwecją.
Źródło:
- Lund University
- npj Digital Medicine
