Rak jamy ustnej i gardła należy do nowotworów, w których decyzje terapeutyczne muszą równoważyć skuteczność leczenia z ryzykiem ciężkich, długotrwałych powikłań. Zespół naukowców z USA opracował nowe, nieinwazyjne narzędzie oparte na sztucznej inteligencji, które może pomóc lekarzom precyzyjniej prognozować przebieg choroby i dobrać optymalną intensywność terapii dla konkretnych pacjentów. Badanie, prowadzone przez naukowców z Mass General Brigham oraz Dana-Farber Cancer Institute, zostało opublikowane w prestiżowym czasopiśmie Journal of Clinical Oncology.
Z tego artykułu dowiesz się…
- Jak nowe narzędzie oparte na sztucznej inteligencji pomaga prognozować przebieg raka jamy ustnej i gardła jeszcze przed rozpoczęciem leczenia.
- Dlaczego pozawęzłowe szerzenie się nowotworu (ENE) jest kluczowym czynnikiem rokowniczym w raku głowy i szyi.
- W jaki sposób analiza obrazów tomografii komputerowej może wspierać decyzje terapeutyczne, w tym wybór intensywnego lub deeskalowanego leczenia.
- Jakie znaczenie to rozwiązanie może mieć dla rozwoju medycyny precyzyjnej i badań klinicznych w onkologii.
Rak jamy ustnej i gardła – trudne decyzje terapeutyczne
Rak jamy ustnej i gardła, zaliczany do nowotworów głowy i szyi, często wymaga leczenia skojarzonego – obejmującego operację chirurgiczną, radioterapię oraz chemioterapię. Choć takie podejście zwiększa szanse na kontrolę choroby, wiąże się również z dużym obciążeniem dla pacjentów, w tym zaburzeniami połykania, mowy czy trwałym pogorszeniem jakości życia.
Z tego powodu kluczowe staje się precyzyjne określenie, którzy pacjenci wymagają agresywnego leczenia, a u których możliwe jest zastosowanie strategii deeskalacyjnych, ograniczających liczbę interwencji.
Rozszerzenie pozawęzłowe jako kluczowy czynnik ryzyka
Jednym z najważniejszych czynników prognostycznych w raku jamy ustnej i gardła jest rozszerzenie pozawęzłowe (extracapsular nodal extension, ENE). Zjawisko to występuje, gdy komórki nowotworowe naciekają poza torebkę węzła chłonnego do otaczających tkanek i jest silnie związane z gorszym rokowaniem.
Dotychczas ENE można było wiarygodnie potwierdzić jedynie po chirurgicznym usunięciu węzłów chłonnych i ich badaniu histopatologicznym. Oznaczało to, że decyzje dotyczące intensywności leczenia często zapadały już po zabiegu operacyjnym.
Jak działa nowe narzędzie oparte na sztucznej inteligencji
Zespół badawczy, kierowany przez Benjamin Kann, opracował model sztucznej inteligencji analizujący obrazy tomografii komputerowej (CT). Narzędzie to potrafi przewidzieć liczbę węzłów chłonnych z cechami ENE, jeszcze przed rozpoczęciem leczenia.
Nasze narzędzie może pomóc w ustaleniu, którzy pacjenci powinni otrzymać wiele interwencji lub którzy byliby idealnymi kandydatami do badań klinicznych intensywnych strategii, takich jak immunoterapia czy dodatkowa chemioterapia – powiedział Benjamin Kann.
Jak podkreśla badacz, system może również wskazać chorych, u których możliwe jest ograniczenie terapii:
Nasze narzędzie może również pomóc w identyfikacji pacjentów, u których należy zastosować deintensyfikację leczenia, np. wyłącznie zabieg operacyjny.
Walidacja na dużej grupie pacjentów
Skuteczność narzędzia sprawdzono na danych obrazowych 1733 pacjentów z rakiem jamy ustnej i gardła. Analiza wykazała, że model AI był w stanie:
- przewidzieć niekontrolowany rozsiew nowotworu,
- identyfikować pacjentów z gorszym rokowaniem przeżycia,
- poprawić stratyfikację ryzyka, gdy jego wyniki połączono z uznanymi klinicznymi czynnikami prognostycznymi.
Integracja predykcji AI z klasycznymi danymi klinicznymi pozwoliła na dokładniejsze prognozy indywidualnego przebiegu choroby, co ma kluczowe znaczenie dla planowania leczenia.
Nowy biomarker prognostyczny raka głowy i szyi
Zdaniem autorów badania liczba węzłów chłonnych z ENE, przewidywana przez sztuczną inteligencję, może stać się nowym, silnym biomarkerem prognostycznym.
Narzędzie oparte na sztucznej inteligencji umożliwia przewidywanie liczby węzłów chłonnych za pomocą ENE, czego wcześniej nie można było zrobić, i pokazuje, że jest to potężny, nowatorski biomarker prognostyczny raka gardła i jamy ustnej, który może zostać wykorzystany do udoskonalenia obecnego schematu stadializacji i planowania leczenia – podkreślił Kann.
Oznacza to potencjalną możliwość modyfikacji obecnych systemów oceny zaawansowania choroby oraz bardziej spersonalizowanego podejścia do terapii.
Główne wnioski
- Opracowane narzędzie AI umożliwia nieinwazyjne przewidywanie liczby węzłów chłonnych z cechami ENE, co wcześniej było możliwe dopiero po zabiegu chirurgicznym.
- Model został zweryfikowany na danych 1733 pacjentów z rakiem jamy ustnej i gardła i skutecznie identyfikował chorych z gorszym rokowaniem oraz wyższym ryzykiem rozsiewu.
- Połączenie predykcji AI z klasycznymi czynnikami klinicznymi poprawia stratyfikację ryzyka i dokładność prognoz przeżycia.
- Narzędzie może wspierać zarówno intensyfikację leczenia (np. immunoterapia, chemioterapia), jak i jego deeskalację, przyczyniając się do bardziej spersonalizowanego podejścia terapeutycznego.
Źródło:
- https://ascopubs.org/doi/10.1200/JCO-24-02679
