Wykorzystująca sztuczną inteligencję platforma diagnostyczna do walki z czerniakiem
Czerniak pozostaje jedną z najbardziej agresywnych i śmiertelnych chorób nowotworowych skóry, ponieważ odpowiada za 60% śmiertelnych nowotworów skóry. Pomimo że wczesne wykrycie wiąże się z wysokimi wskaźnikami wyleczalności, obecne praktyki przesiewowe oparte na badaniu skóry całego ciała mogą być czasochłonne i nieefektywne. „Istniejące narzędzia diagnostyczne są fragmentaryczne i często opierają się na subiektywnej interpretacji poszczególnych obrazów dermoskopowych(odnośnik otworzy się w nowym oknie)” — zauważa koordynator projektu iToBoS(odnośnik otworzy się w nowym oknie) Rafael Garcia z Uniwersytetu w Gironie(odnośnik otworzy się w nowym oknie) w Hiszpanii. „To ograniczenie, w połączeniu z rosnącą liczbą zachorowań na czerniaka w starzejących się białych populacjach, sprawia, że staje się on coraz większym wyzwaniem dla zdrowia publicznego“.
Wczesne wykrywanie i spersonalizowane oceny ryzyka
Finansowany ze środków Unii Europejskiej projekt iToBoS miał na celu sprostanie temu wyzwaniu poprzez zbudowanie platformy diagnostycznej opartej na sztucznej inteligencji (AI), która ma wspierać personel medyczny w identyfikacji złośliwych zmian skórnych z większą dokładnością, szybkością i zdolnością interpretacji. Jak wyjaśnia Garcia: „Chcieliśmy poprawić wczesne wykrywanie, zapewniając jednocześnie spersonalizowaną i precyzyjną ocenę ryzyka dla każdej zmiany“. Platforma obejmuje nowy skaner całego ciała (TBS), który potrafi wykonywać wysokiej jakości obrazy dermoskopowe całej powierzchni skóry. Skaner ten umożliwia lekarzom monitorowanie zmian skórnych w czasie za pomocą spójnych, wyraźnych obrazów. Inne elementy obejmują holistyczne podejście, które pozwala asystentowi AI przewidywać złośliwość podejrzanej zmiany skórnej przy użyciu kombinacji obrazowania całego ciała, obrazów dermoskopowych, historii klinicznej i informacji genetycznych, o ile są dostępne. Taka integracja umożliwia systemowi nie tylko ocenę ryzyka, ale także wyjaśnianie czynników wpływających na diagnozę, co pomaga lekarzom w podejmowaniu świadomych i pewnych decyzji. System został przetestowany i udoskonalony w ramach rzeczywistych badań klinicznych, z naciskiem na zapewnienie solidności, użyteczności i możliwości stosowania w różnych placówkach opieki zdrowotnej. „Ze względu na wrażliwy charakter danych zdrowotnych wszystkie komponenty platformy zostały opracowane z pełnym poszanowaniem standardów etycznych i przepisów o ochronie danych, ze szczególnym uwzględnieniem prywatności pacjentów i świadomej zgody” — mówi Garcia.
Postępy w diagnostyce czerniaka
Prace te doprowadziły do znaczących postępów we wczesnej diagnostyce czerniaka i wykorzystaniu sztucznej inteligencji w dermatologii. Kluczowym osiągnięciem było opracowanie nowego TBS, zdolnego do wykonywania wysokiej rozdzielczości obrazów skóry całego ciała zarówno na poziomie makro-, jak i dermoskopowym. „Zastosowany przez nas system ciekłych soczewek był tak innowacyjny, że zaowocował trzema patentami, co pokazuje oryginalność i wpływ technologiczny tego rozwiązania” — zauważa Garcia. W ramach projektu udało się również zebrać duży i unikalny zbiór multimodalnych danych, który integruje obrazowanie całego ciała, historię kliniczną i inne krytyczne dane. Ten zbiór danych umożliwił szkolenie i walidację modeli sztucznej inteligencji zaprojektowanych do wspierania diagnostyki czerniaka. „Narzędzia te zostały zintegrowane z kognitywnym asystentem AI, łącząc analizę AI, dane obrazowe i informacje o pacjencie w jedną, przyjazną dla użytkownika platformę dla personelu medycznego” — dodaje Garcia.
Spersonalizowane podejście do medycyny
Kolejne kroki obejmują zakrojone na szeroką skalę badanie, które będzie dotyczyć znacznie większej liczby przypadków czerniaka. „Chociaż badanie pilotażowe wykazało funkcjonalność techniczną i potencjał kliniczny platformy, potrzebne są teraz testy na szerszą skalę” — zauważa Garcia. „Idealnie byłoby, gdyby obejmowały one wiele szpitali i ośrodków dermatologicznych w różnych regionach, aby zapewnić zróżnicowanie warunków obrazowania, protokołów klinicznych i profili pacjentów“. Równolegle konieczne są dalsze wysiłki w celu optymalizacji interfejsu użytkownika i zwiększenie wyjaśnialności wyników dostarczanych przez AI(odnośnik otworzy się w nowym oknie). „Wyposażając personel medyczny w narzędzie, które zwiększa dokładność wykrywania i wspiera ciągłe monitorowanie zmian skórnych, iToBoS wniósł istotny wkład w zmniejszenie liczby opóźnień diagnostycznych i błędnych klasyfikacji“ — mówi Garcia.
