AI model razvijen na Tehnološkom sveučilištu u Kaunasu kombinira detaljnu i kontekstualnu analizu CT snimaka kako bi poboljšao dijagnostiku raka pluća.
Rak pluća ima zastrašujuću statistiku. Godišnje se, samo u Hrvatskoj, dijagnosticira više od 3300 novih slučajeva, a od te bolesti umre gotovo 2800 ljudi. Rano otkrivanje pritom je ključno jer značajno povećava šanse za preživljenje. Procjene pokazuju da se petogodišnje preživljenje može povećati s otprilike 10% u uznapredovalim stadijima na više od 90% kada se bolest otkrije u ranoj fazi.
Prvi korak u dijagnostici najčešće uključuje slikovne pretrage, poput CT snimanja, što je često zahtjevno zbog malih dimenzija tumora, njihove sličnosti s okolnim tkivom te mogućnosti ljudske pogreške u interpretaciji nalaza.
Novo istraživanje objavljeno u časopisu Scientific Reports, kako prenosi Medical News Today, sugerira da bi novo razvijeni sustav umjetne inteligencije mogao pomoći liječnicima u ranijem i preciznijem otkrivanju raka pluća, nudeći pouzdaniju analizu kompleksnih medicinskih slika.
Novi pristup analizi CT snimaka
Znanstvenici s Tehnološkog sveučilišta u Kaunasu (KTU) razvili su AI model koji CT snimke analizira istodobno uzimajući u obzir i fine detalje i širi anatomski kontekst. Cilj je približiti se načinu na koji liječnici, osobito radiolozi, interpretiraju medicinske slike.
Uobičajeno, radiolozi tijekom pregleda moraju mijenjati različite prikaze CT snimki, što može biti vremenski zahtjevno i povećava mogućnost da se previdi neki suptilan, ali klinički važan detalj. Ovaj AI sustav pokušava prevladati to ograničenje integrirajući obje razine analize u jedan jedinstveni proces.
Prema istraživačima, model istodobno procjenjuje lokalne karakteristike, poput malih plućnih čvorića, ali i njihov položaj te značaj unutar cijelog plućnog tkiva. Jedan od autora studije, dr. sc. Inzamam Mashood Nasir, u priopćenju je pojasnio: „Možete to zamisliti kao da istodobno imate povećalo i potpuni pregled CT snimke.”
Za potrebe razvoja sustava, istraživački tim trenirao je model na CT snimkama zdravih ispitanika te pacijenata oboljelih od raka pluća. Time je omogućeno razlikovanje normalnog tkiva, benignih promjena i malignih tumora.
Sustav je postigao točnost veću od 96%, nadmašivši postojeće metode te pokazujući stabilne rezultate u različitim testiranjima. Ovakav pristup „učenja na dvije razine” mogao bi biti posebno koristan u otkrivanju ranog stadija raka pluća, kada su promjene vrlo male i teže uočljive.
Moguće prednosti, ali i ograničenja
Rak pluća i dalje je jedan od vodećih uzroka smrti povezanih s malignim bolestima u svijetu, ponajviše zato što se u velikom broju slučajeva dijagnosticira tek u kasnoj fazi. Upravo je rano otkrivanje ključno za bolju prognozu i uspješnije liječenje.
– Potencijalni učinak ogleda se u većoj dosljednosti i mogućem ranijem prepoznavanju sumnjivih nalaza, što može omogućiti raniju intervenciju – izjavio je Nasir za Medical News Today.
Istaknuo je i kako bi stvarni učinak na stopu otkrivanja i ishode liječenja pacijenata ipak trebalo potvrditi u prospektivnim kliničkim studijama. Sve veći broj istraživanja pokazuje kako se sustavi temeljeni na umjetnoj inteligenciji mogu koristiti za povećanje točnosti i smanjenje varijabilnosti u očitavanju radioloških snimki.
Prema istraživačima s KTU-a, njihov bi model u kliničkoj praksi mogao služiti kao podrška liječnicima – poboljšati dijagnostičku točnost, smanjiti rizik od propuštenih lezija te ubrzati analizu snimaka. Dodatno, mogao bi pomoći i u smanjenju broja lažno pozitivnih nalaza, koji često dovode do nepotrebnih pretraga i stresa kod pacijenata.
– U kliničkom okruženju ovaj bi se sustav najbolje mogao opisati kao alat za potporu odlučivanju ili kao drugi čitatelj za radiologe, koji označava sumnjive CT snimke i pomaže u određivanju prioriteta, a ne kao zamjena za kliničku procjenu – naglasio je autor studije dr. sc. Eunchan Kim.
Ipak, znanstvenici upozoravaju da je model treniran na relativno ograničenom skupu podataka te da su potrebna dodatna ispitivanja u realnim kliničkim uvjetima, osobito na većim i raznolikijim populacijama pacijenata.
Nužna klinička validacija i testiranja u stvarnim uvjetima
Iako se tehnologija još nalazi u istraživačkoj fazi te zahtijeva dodatnu kliničku validaciju i testiranja u stvarnim uvjetima, ovo istraživanje pokazuje sve važniju ulogu umjetne inteligencije u medicinskoj dijagnostici.
Sustavi koji oponašaju način na koji liječnici interpretiraju medicinske slike u budućnosti bi mogli postati vrijedan alat u ranom otkrivanju raka pluća, čime bi se potencijalno povećale stope preživljenja zahvaljujući ranijoj intervenciji.
– Glavni izazovi prije primjene u stvarnim uvjetima uključuju generalizaciju modela, vanjsku validaciju, integraciju u kliničke radne procese i širu prihvaćenost u medicinskoj zajednici – istaknula je autorica studije Samia Nawaz Yousafzai.
Dodala je i kako studija ima ograničenja, uključujući relativno mali skup podataka te nedostatak vanjske validacije na neovisnim kohortama.
Istraživački tim smatra kako bi se slični AI pristupi mogli primijeniti i na druge vrste medicinske slikovne dijagnostike koje zahtijevaju istodobno razumijevanje detalja i šireg konteksta, poput tumora mozga, raka dojke ili očnih bolesti.
Kao sljedeći korak, znanstvenici predlažu testiranje na većim, višecentričnim skupovima podataka te suradnju s bolnicama i radiološkim odjelima u svrhu prospektivne i real-time kliničke validacije.
(Ordinacija.hr)
