Sztuczna inteligencja w walce z rakiem trzustki. Algorytmy wykryją ryzyko lata wcześniej!
Naukowcy z Mayo Clinic opracowali model sztucznej inteligencji, który może przewidywać ryzyko zachorowania na raka trzustki nawet trzy lata przed postawieniem diagnozy. Model wykorzystuje rutynową dokumentację medyczną oraz wyniki badań laboratoryjnych. Wyniki zostaną zaprezentowane podczas Kongresu Klinicznego Amerykańskiego Kolegium Chirurgów (ACS) w 2026 roku w Waszyngtonie.
Rak trzustki jest stosunkowo rzadki, ale należy do nowotworów o wysokiej śmiertelności. Według danych American Cancer Society w 2026 roku odnotowano około 67 tys. nowych diagnoz i 52 tys. zgonów. Rak trzustki odpowiada za około 3 proc. wszystkich nowych zachorowań na raka, ale za około 8 proc. zgonów z powodu nowotworów.
– Rak trzustki może być uleczalny, ale tylko wtedy, gdy zostanie wykryty wcześnie – a mniej niż co piąty pacjent jest diagnozowany na czas. W rezultacie przeżycie wielu pacjentów nadal mierzy się w miesiącach, a nie latach – powiedział Cornelius Thiels, chirurg onkolog z Mayo Clinic.
Model AI analizuje wieloletnią historię zdrowia
Powszechne badania przesiewowe w kierunku raka trzustki nie są obecnie wykonalne. Dlatego zespół naukowców postanowił opracować narzędzie, które pozwalałoby wcześniej identyfikować osoby znajdujące się w grupie podwyższonego ryzyka.
– Wiemy, że rak trzustki rozwija się przez pięć do siedmiu lat, ale objawy, które widzi lekarz lub pacjent, pojawiają się, gdy jest już za późno – wyjaśnił Thiels.
Model wykorzystuje longitudinalną historię zdrowia pacjentów zapisaną w elektronicznej dokumentacji medycznej oraz wyniki rutynowych badań laboratoryjnych, gromadzone średnio przez dekadę lub dłużej.
Zbiór danych obejmował 6066 osób z rakiem trzustki oraz 33 396 osób z grupy kontrolnej. Historia kliniczna uczestników obejmowała od 7,5 do 19 lat. Naukowcy szukali w tych danych subtelnych sygnałów, które mogły wskazywać na rozwijające się ryzyko choroby.
Wysoka skuteczność modelu, ale potrzebna dalsza walidacja
Aby sprawdzić, czy model potrafi przewidywać raka trzustki trzy lata przed diagnozą, naukowcy wykorzystali m.in. wskaźnik AUROC. Wyniósł on 0,853, podczas gdy wartość 1,0 oznacza idealne rozróżnienie, a 0,5 wynik nielepszy od przypadku. AUPRC wyniósł natomiast 0,712.
Model był również dobrze skalibrowany. Jak wyjaśnił Chris Varghese, specjalista ds. danych chirurgicznych w Mayo Clinic, ryzyko raka trzustki przekraczające 50 proc. przewidywane przez model odpowiadało 88-proc. prawdopodobieństwu diagnozy raka trzustki w ciągu roku.
– Stworzyliśmy to tak, aby było jak najbardziej uogólnialne, skalowalne i łatwe do wdrożenia w praktyce. Dane wejściowe, na których opiera się model, są gromadzone niemal powszechnie w systemach szpitalnych na całym świecie. Jeśli okaże się, że to działa, będzie można go stosować niemal w każdym środowisku – powiedział Varghese.
Naukowcy pracują obecnie nad prospektywną walidacją modelu w systemie Mayo Clinic, a także w placówce spoza tego systemu. Zespół rozwija również bardziej zaawansowane architektury uczenia maszynowego, które mogą poprawić jego skuteczność.
Źródło: Amerykańskie Kolegium Chirurgów (American College of Surgeons)
Czytaj też: O tym polskim projekcie będzie głośno! Nowa technologia zapobiegnie kosztownym awariom!
Grafika tytułowa: National Cancer Institute / Unsplash
