Rak trzustki to jeden z najtrudniejszych do leczenia nowotworów – agresywny, trudny do wczesnego wykrycia i oporny na wiele nowoczesnych terapii. Co więcej, u znacznej liczby pacjentów decyzja o operacji zapada mimo obecności nierozpoznanych wcześniej przerzutów, co często prowadzi do zbędnych i obciążających interwencji chirurgicznych. Nadzieję na zmianę tej sytuacji daje przełomowy algorytm opracowany przez zespół kierowany przez Nurię Malats z hiszpańskiego Narodowego Centrum Badań nad Rakiem (CNIO).
Z tego artykułu dowiesz się…
- Jak działa algorytm PMPD i w jaki sposób przewiduje przerzuty raka trzustki.
- Dlaczego dokładne rozpoznanie przerzutów przed operacją ma kluczowe znaczenie dla pacjentów.
- W jakich badaniach klinicznych testowano skuteczność algorytmu i jakie osiągnięto wyniki.
- Jakie są dalsze plany zespołu CNIO dotyczące walidacji modelu w szpitalach na świecie.
Rak trzustki – konieczność decyzji, która może zaważyć na życiu
W przypadku raka trzustki operacja chirurgiczna bywa jedyną szansą na leczenie, ale tylko wtedy, gdy nowotwór nie zdążył dać przerzutów. Gdy przerzuty już występują, zabieg nie tylko nie poprawia rokowań, ale może zaszkodzić pacjentowi. Problemem jest jednak to, że ustalenie obecności przerzutów przed operacją bywa wyjątkowo trudne.
Jeśli u osoby chorej na raka trzustki występują już przerzuty, operacja nie wyleczy choroby, a wręcz może pogorszyć jej stan – wyjaśnia Nuria Malats, kierownik grupy epidemiologii genetycznej i molekularnej w CNIO.
W efekcie wielu pacjentów jest poddawanych rozległym i ryzykownym operacjom, mimo że nie mają one szansy przynieść korzyści terapeutycznej.
Algorytm PMPD: Sztuczna inteligencja w służbie onkologii
Odpowiedzią na ten problem ma być nowy algorytm PMPD (Pancreatic cancer Metastasis Prediction Deep-learning), który wykorzystuje głębokie uczenie do analizy obrazów medycznych pierwotnego guza i przewidywania obecności przerzutów.
Operacja jest bardzo inwazyjna i może spowodować dodatkowe cierpienie pacjenta, nie poprawiając jego rokowania. Dlatego tak ważne jest, aby przed podjęciem decyzji o operacji wiedzieć, czy występują przerzuty. Nasz algorytm precyzyjnie przewiduje obecność przerzutów na podstawie obrazów, które są już rutynowo uzyskiwane – tłumaczy Malats.
Model był testowany na danych ok. 250 pacjentów z holenderskiego badania klinicznego PREOPANC1, prowadzonego w pierwszej linii leczenia raka trzustki. W badaniu uczestniczył także jego główny badacz, Casper Van Eijck.
Wyniki, które mogą zmienić praktykę kliniczną
Skuteczność PMPD w identyfikacji przerzutów okazała się obiecująca. Algorytm poprawnie sklasyfikował 56% przypadków przerzutów w zbiorze danych PREOPANC-DPCG. Co ważniejsze – w podgrupie pacjentów, u których przerzuty wykryto dopiero na sali operacyjnej, algorytm przewidział ich obecność aż w 65,8% przypadków.
Pacjenci ci mogliby uniknąć interwencji chirurgicznej – zauważa Malats.
Model działał spójnie bez względu na wiek i płeć pacjenta, lokalizację czy rozmiar guza, co zwiększa jego potencjał do wykorzystania w różnorodnych sytuacjach klinicznych. Ponadto, jak dodają badacze, algorytm nie tylko ocenia aktualną obecność przerzutów, ale również prognozuje ich rozwój w nadchodzących miesiącach.
Algorytm jako narzędzie wspierające decyzje kliniczne
Warto podkreślić, że PMPD nie ma na celu zastąpienia lekarzy. Został zaprojektowany jako narzędzie wspierające proces decyzyjny radiologów, onkologów i chirurgów.
Pomaga lekarzom (w szczególności radiologom, onkologom i chirurgom) w podejmowaniu decyzji, ale nie zastępuje ich profesjonalnej oceny. Zapewnia on drugą opinię opartą na danych, co może przyspieszyć, zwiększyć dokładność i zmniejszyć ryzyko dla pacjenta w diagnozie – podkreśla Malats.
Czas na testy w warunkach rzeczywistych
Choć wyniki są obiecujące, badacze zaznaczają, że konieczna jest dalsza walidacja w praktyce klinicznej. Algorytm może generować zarówno fałszywie dodatnie, jak i fałszywie ujemne wyniki – jak każda technologia oparta na sztucznej inteligencji.
Kolejnym etapem prac będzie więc testowanie modelu w szpitalach w Hiszpanii, Holandii, a także w Chinach i Urugwaju. Partnerami są m.in. Vall d’Hebron w Barcelonie, Ramón y Cajal i Gregorio Marañón w Madrycie, Centro Universitario de Navarra oraz Holenderska Grupa ds. Raka Trzustki (DPCG). Celem jest uzyskanie jak najszerszej walidacji na danych z różnych populacji i ośrodków.
👉 Wyniki oraz opis badań znajdziesz pod TYM LINKIEM
Główne wnioski
- Algorytm PMPD opracowany przez CNIO potrafi przewidywać obecność przerzutów raka trzustki na podstawie obrazów medycznych z dużą skutecznością.
- Model wykazał 65,8% skuteczności w wykrywaniu przerzutów u pacjentów, u których standardowa diagnostyka zawiodła przed operacją.
- Algorytm może zapobiec niepotrzebnym operacjom, które w przypadku obecności przerzutów nie poprawiają rokowań, a mogą pogorszyć stan pacjenta.
- Projekt jest obecnie rozwijany we współpracy ze szpitalami w Europie, Azji i Ameryce Południowej w celu dalszej walidacji w praktyce klinicznej.
Źródło:
- Gut
- The Spanish National Cancer Research Centre
