Badanie: sztuczna inteligencja może przewidzieć raka trzustki trzy lata przed ludzkimi lekarzami

Badanie: sztuczna inteligencja może przewidzieć raka trzustki trzy lata przed ludzkimi lekarzami

Znacznik czasu: 9 maja 2023 r. 7:29
Badanie: sztuczna inteligencja może przewidzieć raka trzustki trzy lata przed lekarzami PlatoBlockchain Data Intelligence Wyszukiwanie pionowe. AI.

Algorytmy sztucznej inteligencji mogą badać raka trzustki i przewidywać, czy u pacjentów rozwinie się choroba do trzech lat, zanim lekarz-człowiek będzie mógł postawić taką samą diagnozę, zgodnie z badaniami opublikowanymi w Nature w poniedziałek.

Rak trzustki jest śmiertelny; pięcioletni wskaźnik przeżycia średnio 12 proc. Naukowcy pracujący w Danii i USA uwierzyć Sztuczna inteligencja może pomóc klinicystom w wykrywaniu raka trzustki na wcześniejszych etapach, jeśli oprogramowanie będzie w stanie wiarygodnie przewidzieć, którzy pacjenci są bardziej narażeni na rozwój choroby. 

Naukowcy przeszkolili algorytmy sztucznej inteligencji na milionach dokumentacji medycznej uzyskanej z duńskiego krajowego rejestru pacjentów i korporacyjnej hurtowni danych US Veterans Affairs Corporate Data Warehouse. Modele zostały przeszkolone w celu skorelowania kodów diagnostycznych – etykiet używanych przez szpitale opisujących różne stany medyczne – z rakiem trzustki.

Na przykład niektóre kody diagnostyczne żółtaczki, bólu brzucha i miednicy, utraty wagi są ściślej związane z chorobą – zwłaszcza jeśli występują u pacjentów około sześć miesięcy przed diagnozą – podczas gdy inne, takie jak cukrzyca typu 2, anemia lub zapalenie trzustki są zwykle wykrywane wcześniej.

„Rak rozwija się w ludzkim ciele stopniowo, często przez wiele lat i dość powoli, aż choroba się rozwinie” – Chris Sander, starszy badacz i kierownik laboratorium pracującego na Wydziale Biologii Systemów w Harvard Medical School, powiedział Rejestr.

„System sztucznej inteligencji próbuje uczyć się na podstawie znaków w ludzkim ciele, które mogą odnosić się do takich stopniowych zmian”.

„Ale to dopiero początek i chociaż system sztucznej inteligencji może dokonywać dość dokładnych prognoz, nie może lub obecnie nie może zidentyfikować mechanizmów ani zdarzeń przyczynowych. Jak często w nauce, korelacja jest przydatna do przewidywania, ale związek przyczynowy jest znacznie trudniejszy do ustalenia” – powiedział.

Najskuteczniejszy model, oparty na architekturze transformatorowej, wykazał, że spośród 1,000 najbardziej zagrożonych pacjentów w wieku powyżej 50 lat, u około 320 rozwinie się rak trzustki. Model jest mniej dokładny, gdy próbuje się przewidzieć raka trzustki w dłuższych przedziałach czasowych w porównaniu z krótszymi i dla pacjentów w wieku poniżej 50 lat.

„Sztuczna sztuczna inteligencja oparta na rzeczywistych dokumentach klinicznych ma potencjał do stworzenia skalowalnego przepływu pracy w celu wczesnego wykrywania raka w społeczności, przesunięcia punktu ciężkości z leczenia raka w późnym stadium do wczesnego stadium, poprawy jakości życia pacjentów i zwiększyć stosunek korzyści do kosztów opieki onkologicznej” – czytamy w artykule.

Skuteczne przewidywanie w rzeczywistych warunkach będzie zależeć od jakości historii medycznej pacjentów. Badanie wykazało, że przyszłe narzędzia przesiewowe oparte na sztucznej inteligencji do wykrywania raka trzustki będą musiały zostać przeszkolone na podstawie konkretnych danych dotyczących lokalnej populacji. Na przykład model przeszkolony na podstawie danych pochodzących od duńskich pacjentów nie był tak dokładny w przypadku pacjentów z USA. 

„Biorąc pod uwagę doświadczenia z Danii i jednego lub dwóch amerykańskich systemów opieki zdrowotnej, oznacza to, że w każdym kraju o różnych warunkach i różnych systemach najlepiej jest przeszkolić model lokalnie. Sztuczna inteligencja potrzebuje dużo danych do trenowania. Dostęp w różnych lokalizacjach nie jest prosty, ponieważ dokumentacja medyczna jest i powinna być poufna. Dlatego niezbędne jest lokalne zatwierdzenie i bezpieczeństwo danych” — powiedział Sander.

Badanie jest wciąż na wczesnym etapie, a oprogramowania nie można jeszcze używać do uruchamiania programów badań przesiewowych. Ulepszenia są potrzebne, zanim będzie można przeprowadzić nawet próbę. 

„Po wdrożeniu programu nadzoru rzeczywiste koszty obliczeniowe związane z zastosowaniem oprogramowania są umiarkowane. Szkolenie jest tym, co pochłania znaczne zasoby obliczeniowe. Rzeczywiste testy kliniczne, aby zobaczyć wczesne objawy raka lub wykryć raka, gdy jest on jeszcze bardzo mały, są kosztowne, znacznie droższe niż na przykład mammografia” – dodał Sander. 

Mimo to zespół uważa, że ​​wraz z rozwojem technologii i spadkiem kosztów operacyjnych sztuczna inteligencja może stać się w przyszłości cennym narzędziem przesiewowym. 

„Wiele rodzajów raka, zwłaszcza te trudne do wczesnego wykrycia i leczenia, ma nieproporcjonalnie duży wpływ na pacjentów, rodziny i cały system opieki zdrowotnej” — powiedział Søren Brunak, profesor biologii systemów chorobowych i dyrektor ds. badań w Fundacji Novo Nordisk Center for Protein Research na Uniwersytecie w Kopenhadze, starszy badacz badania, powiedziany w oświadczeniu. 

„Badanie przesiewowe oparte na sztucznej inteligencji jest okazją do zmiany trajektorii raka trzustki, agresywnej choroby, która jest niezwykle trudna do wczesnego zdiagnozowania i szybkiego leczenia, gdy szanse na sukces są największe” – podsumował. ®

Znak czasu:

Więcej z Rejestr