Sztuczna inteligencja kluczem do inteligentniejszej opieki skoncentrowanej na pacjentkach z rakiem piersi
Badania przesiewowe w kierunku raka piersi zazwyczaj obejmują mammografię, po której często wykonuje się USG lub rezonans magnetyczny (MRI), jeśli ryzyko jest wysokie. Procedury te mogą jednak dawać wysoki odsetek wyników fałszywie dodatnich, prowadząc do niepotrzebnych badań kontrolnych, lub wysoki odsetek wyników fałszywie ujemnych, opóźniając diagnozę. Z kolei wyniki niejednoznaczne często wiążą się z koniecznością wykonania niekomfortowych i kosztownych biopsji, mimo że ostatecznie wiele zmian okazuje się łagodnych. Co więcej, oceny ryzyka nawrotu raka po zakończonym leczeniu również opierają się na tych niedokładnych metodach. „Obecne podejście nie jest spersonalizowane ani dostosowane do indywidualnego ryzyka. Potrzebujemy dokładniejszych, nieinwazyjnych i spersonalizowanych metod wykrywania i prognozowania raka piersi“, mówi Domènec Puig z Uniwersytetu Rovira i Virgili(odnośnik otworzy się w nowym oknie), koordynator projektu BosomShield(odnośnik otworzy się w nowym oknie).
Współpraca międzynarodowa i interdyscyplinarna
Badacze z projektu BosomShield, którzy podjęli się tego wyzwania przy wsparciu z działania „Maria Skłodowska-Curie”(odnośnik otworzy się w nowym oknie), postanowili zbudować oparty na sztucznej inteligencji system diagnostyki wspomaganej komputerowo(odnośnik otworzy się w nowym oknie) (CAD). Jest on przeznaczony do analizy wielu źródeł danych, obrazów radiologicznych, slajdów histopatologicznych i dokumentacji klinicznej, wspierając wczesną diagnozę, planowanie leczenia i przewidywanie nawrotów. „Chcemy wspierać klinicystów, oferując im wyjaśnialną i multimodalną metodę prognozowania nawrotów, która bezproblemowo współdziała ze szpitalnymi systemami informatycznymi“, wyjaśnia Hatem Rashwan, główny badacz w projekcie BosomShield, również z Uniwersytetu Rovira i Virgili. Międzynarodowa i interdyscyplinarna współpraca miała kluczowe znaczenie dla projektu. Dziesięcioro doktorantów z Europy otrzymało światowej klasy szkolenie od dwóch amerykańskich partnerów projektu – Uniwersytetu UTHealth Houston oraz firmy General Electric. Staże zapewniły im dostęp do procesów klinicznych i infrastruktur danych innych niż te zwykle spotykane w UE, i umożliwiły kontakt z najnowocześniejszą sztuczną inteligencją, cyfrowymi badaniami histopatologicznymi i środowiskami obrazowania medycznego. „Obserwacje różnych systemów opieki zdrowotnej, standardów danych i ram regulacyjnych są nieocenione przy tworzeniu interoperacyjnych i etycznych rozwiązań sztucznej inteligencji“, dodaje Puig. „Być może największym wkładem amerykańskich partnerów było podzielenie się praktycznymi wnioskami medycznymi dotyczącymi tego, jak przejść od prototypów badawczych do wdrożeń klinicznych“. Z drugiej strony amerykańscy partnerzy mogli korzystać z europejskiej wiedzy klinicznej i danych.
Platforma zarządzania rakiem piersi nowej generacji
Badacze z projektu BosomShield z powodzeniem opracowali prototypy, które mogą położyć podwaliny pod platformę nowej generacji opartą na sztucznej inteligencji do zarządzania rakiem piersi. Moduł analizy radiologicznej składa się z dwóch modeli sztucznej inteligencji. Pierwszy przewiduje ryzyko nawrotu raka piersi, wykorzystując algorytmy uczenia maszynowego zastosowane do cech wyodrębnionych z mammogramów oraz badań MRI i USG. Szacuje również gęstość piersi, identyfikuje agresywne podtypy i klasyfikuje podtypy molekularne, stanowiąc tym samym alternatywę dla biopsji. Drugi model przewiduje „całkowitą odpowiedź patomorfologiczną“(odnośnik otworzy się w nowym oknie) (pCR), czyli brak resztkowego raka inwazyjnego w ocenie multimodalnej (MRI i CT-PET), pomagając klinicystom ocenić skuteczność terapii i dostosować plany leczenia. Modele te są wzbogacane poprzez ich korelację z danymi histopatologicznymi. „Techniki sztucznej inteligencji pozwalają nam eksplorować te cyfrowe slajdy, podobnie jak Mapy Google, i analizować interesujące nas obszary, na przykład miejsca występowania nieprawidłowych komórek lub silnej reakcji immunologicznej“, dodaje Rashwan.
Innowacje dla rynku amerykańskiego i unijnego
Do oceny wydajności i niezawodności modeli i metod sztucznej inteligencji opracowanych w ramach projektu BosomShield wykorzystano szereg testów. Na przykład analiza mammogramu z wykorzystaniem głębokiego uczenia została wykorzystana do wykrywania i segmentacji guzów oraz identyfikacji położenia i granic guza z dokładnością do 98%. Modele sztucznej inteligencji stosowane do wyodrębniania cech radiomicznych i morfologicznych z dokładnością do 88% przewidywały podtypy molekularne na podstawie mammogramów i obrazów MRI. „Nasze walidacje kładą podwaliny pod klinicznie wdrażalny, opatrzony oznakowaniem CE(odnośnik otworzy się w nowym oknie) system CAD, znacząco przyczyniając się do realizacji europejskiego planu walki z rakiem(odnośnik otworzy się w nowym oknie)“, zauważa Puig. Zespół przygotowuje obecnie wybrane wersje demonstracyjne (w tym przewidywanie podtypu i szacowanie ryzyka nawrotu) do procedury oznakowania CE w UE, jednocześnie badając ścieżki regulacyjne w celu uzyskania zgody FDA(odnośnik otworzy się w nowym oknie) w USA. Prace te mogą ostatecznie otworzyć nowe możliwości handlowe zarówno dla partnerów z UE, jak i USA.
