Nadchodzą zmiany w wykrywaniu raka. Będzie szybciej i precyzyjniej

Choroby nowotworowe stanowią ogromny problem na całym świecie, w samej Polsce chorują setki tysięcy osób. W naszym kraju w przypadku mężczyzn do zgonów w minionych latach przyczynił się głównie rak płuca, rak gruczołu krokowego i rak jelita grubego, a w przypadku kobiet oprócz raka płuca i raka jelita grubego, najczęstszym powodem zgonów w wyniku choroby nowotworowej był rak piersi.

WHO ostrzega ponadto, że ludzkości grozi niemal dwukrotny wzrost zachorowań na raka, w dodatku nowotwory atakują coraz młodsze osoby i jest problem z szybką i prawidłową diagnostyką. Prognozuje się, że do 2050 roku każdego roku odnotowywanych będzie ok. 35 milionów przypadków raka. Naukowcy nie ustają w szukaniu rozwiązań, które wspomogą szybszą i bardziej precyzyjną diagnozę choroby nowotworowej. Teraz opublikowano badania na temat wykorzystania sztucznej inteligencji w pracy przy wykrywaniu raka piersi.

Rak piersi jest najczęściej występującym nowotworem złośliwym wśród kobiet w Polsce, zazwyczaj wywodzi się z tkanki nabłonkowej gruczołu. Wśród pierwszych objawów można wyróżnić zmianę kształtu brodawki sutkowej w postaci zaciągnięcia jej do środka piersi, poza tym występuje zaczerwienienie i napięcie skóry piersi, pojawia się też wyciek z brodawki sutkowej i ból w okolicach klatki piersiowej - piersi lub np. dole pachowym.

By wykryć nowotwór, trzeba przejść odpowiednie badania. Warto wykonywać samobadanie piersi, by wyczuć toczące się zmiany, ale to nie wystarczy. Konieczne są kontrole lekarskie. W przypadku podejrzenia nowotworu istotna jest mammografia wykorzystująca promieniowanie rentgenowskie oraz diagnostyka za pomocą ultrasonografii i badania laboratoryjne. Naukowcu starają się znaleźć sposób, by przyspieszyć proces wykrywania raka piersi i zmniejszyć liczbę błędnych diagnoz, co może ograniczyć też liczbę niepotrzebnych badań. W najnowszej publikacji eksperci wykazali, że można wprowadzić kolejne zmiany w wykrywaniu raka poprzez wykorzystanie do pomocy sztucznej inteligencji.

Naukowcy z Washington University School of Medicine w St. Louis i Whiterabbit.ai udowodnili, że wsparcie sztucznej inteligencji mogłoby potencjalnie usprawnić badania przesiewowe w kierunku raka piersi, zmniejszając liczbę wyników fałszywie dodatnich bez pomijania wyników prawdziwie dodatnich. Wspomaganie pracy lekarzy możliwościami sztucznej inteligencji mogłoby ograniczyć też liczbę niepotrzebnych badań dodatkowych.

Naukowcy opracowali algorytm, który po przeszkoleniu na ogromnej liczbie danych identyfikował prawidłowe mammogramy z bardzo dużą dokładnością. Następnie eksperci przeprowadzili badania w kierunku wykrywania mammogramów niskiego ryzyka. Symulacja przeprowadzona na danych pacjentów wykazała, że stosując wsparcie sztucznej inteligencji, wykryto tę samą liczbę przypadków raka, bez konieczności wzywania wielu osób na dodatkowe badania, co miałoby miejsce w przypadku pominięcia analizy wyników przez AI.

Richard L. Wahl, lekarz i profesor onkologii radiologicznej i radiologii w Instytucie Radiologii Mallinckrodt (MIR) na Uniwersytecie Waszyngtońskim wyjaśnił, że w ten sposób oszczędza się czas, zasoby medyczne, oraz nerwy pacjenta, ponieważ nie dzwoni się do niego z informacją o konieczności przeprowadzenia dodatkowych badań z powodu fałszywie dodatnich wyników.

- To badanie symulacyjne wykazało, że sztuczna inteligencja może niezawodnie identyfikować mammografy bardzo niskiego ryzyka, co pozwala ograniczyć liczbę fałszywych alarmów i usprawnić przepływ pracy - wyjaśnił ekspert.

Wahl współpracował już wcześniej z Whiterabbit.ai nad algorytmem pomagającym radiologom ocenić gęstość piersi na mammogramach w celu zidentyfikowania osób, które mogłyby skorzystać z dodatkowych lub alternatywnych badań przesiewowych. Algorytm ten uzyskał zgodę Food and Drug Administration (FDA) i jest dystrybuowany przez Whiterabbit.ai jako WRDensity. Rezultaty kolejnych badań są równie zadowalające i pomogą poszerzyć działanie AI w zakresie badań dotyczących raka piersi, usprawniając pracę lekarzy i pomagając szybciej i precyzyjniej stawiać diagnozy.