Umělá inteligence odhaluje rakovinu v raném stádiu z obrazových snímků

Chcete vědět, jak umělá inteligence včas odhaluje rakovinu z obrazových snímků? Pojďme se společně s INVIAI podívat na podrobnosti v tomto článku!

Včasné odhalení rakoviny výrazně zvyšuje šance na přežití. Umělá inteligence (UI) nyní pomáhá lékařům rozpoznat nádory na lékařských snímcích dříve a s větší přesností.

Trénováním hlubokých neuronových sítí na tisících anotovaných skenů a preparátů se UI naučí vzory, které mohou i zkušení klinici přehlédnout.

V praxi nástroje UI analyzují snímky jako mamogramy, CT hrudníku, rentgeny, MRI, ultrazvuk a patologické preparáty, označují podezřelá místa a kvantifikují riziko.

Například ultrazvuk s podporou UI pomohl jedné pacientce vyhnout se zbytečné biopsii štítné žlázy tím, že ukázal, že její útvar je nezhoubný.

Odborníci říkají, že UI v péči o pacienty s rakovinou představuje „bezprecedentní příležitost“ ke zlepšení diagnostiky a léčby.

Jak UI analyzuje lékařské snímky

Systémy UI pro zobrazování obvykle využívají hluboké učení (zejména konvoluční neuronové sítě) trénované na rozsáhlých datech. Během tréninku se algoritmus učí rozpoznávat znaky (jako tvary, textury, barvy), které odlišují zhoubnou tkáň od zdravé.

Po natrénování model UI prohledává nové snímky a zvýrazňuje vzory odpovídající naučeným znakům rakoviny.

V podstatě se UI stává velmi citlivým „druhým čtenářem“, který upozorňuje na jemné léze, jež by člověk mohl přehlédnout. Například při kontrole mamogramu nebo CT řezu může UI označit drobné kalcifikace či uzlíky barevnými rámečky a upozorněními pro radiologa.

Analýzy UI mohou také odhadovat riziko: některé algoritmy předpovídají budoucí riziko rakoviny pacienta z jednoho snímku (na základě naučených korelací), což umožňuje lékařům přizpůsobit intervaly screeningů.

V jednom případě ultrazvuk štítné žlázy analyzovaný UI jednoznačně identifikoval nezhoubnou tkáň, což odpovídalo výsledkům pozdější biopsie a ušetřilo pacientce zbytečné obavy.

Screening rakoviny prsu

Mamografie je příkladem, kde UI výrazně pomáhá. Studie ukazují, že podpora UI může významně zlepšit odhalování rakoviny prsu při screeningu.

Ve velké německé studii radiologové s pomocí UI našli o 17,6 % více nádorů než bez UI.

Konkrétně skupina s podporou UI odhalila 6,7 nádorů na 1 000 žen oproti 5,7 na 1 000 ve standardní skupině, přičemž mírně snížila počet falešných poplachů.

Obecně UI v mamografii může:

• Zvýšit citlivost a specificitu. Výzkum financovaný NCI uvádí, že algoritmy UI „zlepšují odhalování rakoviny prsu na mamografii“ a mohou také pomoci předpovědět, které léze se později stanou invazivními.
• Identifikovat jemné nálezy. UI dokáže označit drobné shluky mikrokalcifikací nebo asymetrie, které se při rutinním screeningu snadno přehlédnou, a funguje tak jako další odborný čtenář.
• Snížit pracovní zátěž a variabilitu. Předběžným tříděním snímků může UI upřednostnit podezřelé případy pro radiology, což pomáhá zvládat rostoucí počet mamogramů.

FDA schválila několik nástrojů UI pro mamografii (např. iCAD, SmartMammo od DeepHealth) pro klinické použití, uznávajíc jejich schopnost včasného odhalování rakoviny v reálných podmínkách.

Screening rakoviny plic

UI se také využívá k odhalování rakoviny plic na lékařských snímcích. Nízkodávkové CT (LDCT) se používá ke screeningu rizikových kuřáků; UI může zlepšit kvalitu snímků a detekci lézí.

Jednou z výhod je snížení dávky: algoritmy rekonstrukce obrazu založené na UI dokážou vytvořit jasné CT snímky s ještě nižší dávkou záření než současné LDCT.

Navíc systémy computer-aided detection (CAD) automaticky prohledávají každý CT řez na přítomnost uzlíků. Když je nalezen potenciální uzlík, UI jej označí na snímku k prohlédnutí lékařem.

Stručně řečeno, UI může fungovat jako citlivý druhý čtenář na snímcích plic.

Například nedávné modely vykazují vysokou citlivost na benigní i maligní plicní uzlíky (výzkumné systémy detekují více než 90 % uzlíků na testovacích snímcích). FDA v USA schválila nástroje UI pro podporu screeningu rakoviny plic, uznávajíc jejich roli v dřívější diagnostice.

UI může také pomoci personalizovat screening: kombinací zobrazovacích a klinických dat algoritmy určují, kdo potřebuje častější kontroly.

(Nicméně současné studie CAD ukazují, že ačkoliv UI najde více uzlíků celkově, většina nárůstu je u malých, nízkorizikových uzlíků, a výrazné zlepšení detekce pokročilých lézí zatím není prokázáno.)

Rakovina kůže (melanom)

Dermatoskopické snímky (zvětšené fotografie kůže) jsou dalším polem, kde UI vyniká. Moderní modely hlubokého učení trénované na desetitisících snímků kožních lézí dokážou s vysokou přesností klasifikovat znaménka jako nezhoubná nebo zhoubná.

V jedné nedávné studii dosáhla vylepšená neuronová síť 95–96% přesnosti při identifikaci melanomu v raném stádiu z dermatoskopických snímků.

To je důležité: melanom v raném stádiu má vynikající prognózu (přibližně 98% pětileté přežití), zatímco přežití v pokročilém stádiu je výrazně nižší.

Díky zvýraznění podezřelých znamének k biopsii může UI pomoci dermatologům diagnostikovat melanom dříve.

Nástroje UI jsou dokonce integrovány do mobilních aplikací nebo zařízení, která vyhodnocují vyfocené znaménko a odhadují jeho riziko, což může rozšířit včasné odhalování i do primární péče.

Screening rakoviny děložního čípku

UI zlepšuje screening rakoviny děložního čípku analýzou digitálních snímků čípku. Například systém CerviCARE využívá hluboké učení na „cervikografických“ fotografiích (podobných kolposkopii) k rozlišení prekancerózních lézí.

V multicentrické studii dosáhla UI CerviCARE 98% citlivosti na vysoce rizikové léze děložního čípku (CIN2+) s 95,5% specificitou.

V praxi může taková UI pomoci tam, kde chybí zkušení kolposkopisté: algoritmus automaticky zvýrazňuje problematická místa, aby žádná prekancerózní tkáň nezůstala nepovšimnuta.

Tento typ UI doplňuje tradiční Pap test a HPV testování pro včasné zachycení onemocnění.

NCI také uvádí výzkum UI pro automatizaci detekce prekanceróz v cervikálním screeningu.

Screening rakoviny tlustého střeva a konečníku

Při kolonoskopii UI pomáhá v reálném čase. Moderní systémy kontinuálně analyzují videozáznam z kolonoskopu. Když kamera zachytí polyp nebo podezřelou tkáň, UI označí ji na obrazovce (často barevným rámečkem a zvukovým upozorněním), aby upoutala pozornost lékaře.

Kolonoskopie s podporou UI: systém identifikoval „plochý“ polyp (zvýrazněný modře), který může lékař odstranit.

Studie ukazují, že použití UI při kolonoskopii zvyšuje celkový počet detekovaných polypů, zejména malých adenomů. To znamená, že UI pomáhá lékařům odhalit více raných nádorových změn, které by jinak mohly být přehlédnuty.

Ve velké studii CADILLAC se celková detekce adenomů zvýšila s podporou UI. Odborníci však poznamenávají, že většina nárůstu byla u drobných, nízkorizikových polypů a přidání UI významně nezvýšilo detekci velkých, vysoce rizikových adenomů.

Jinými slovy, UI je skvělá v upozorňování na mnoho drobných lézí, ale zda zlepšuje odhalování nejnebezpečnějších prekanceróz, je stále předmětem zkoumání.

Přesto může UI jako „druhý pár očí“ snížit chyby způsobené únavou a omezit rozdíly mezi lékaři. FDA schválila systémy UI (CADe) pro klinickou kolonoskopii k podpoře endoskopistů při detekci polypů.

UI v patologii a dalších zobrazovacích metodách

Dosah UI přesahuje živé zobrazování i do patologie a specializovaných vyšetření. Digitální patologické preparáty (vysokorozlišovací skeny biopsií) jsou čteny algoritmy UI.

Například nová UI s názvem CHIEF byla trénována na více než 60 000 celoplošných snímcích napříč 19 typy rakoviny.

Automaticky detekuje rakovinné buňky v preparátu a dokonce předpovídá molekulární profil nádoru na základě vizuálních znaků. V testech dosáhla CHIEF přibližně 94% přesnosti v detekci rakoviny na neznámých preparátech z různých orgánů.

Podobně FDA schválila software UI pro zvýraznění nádorových oblastí v biopsiích prostaty, což pomáhá patologům zaměřit se na klíčová místa. UI nástroje jsou také schváleny pro interpretaci MRI mozku a ultrazvuk štítné žlázy, mimo jiné.

Stručně řečeno, UI se stává všestranným pomocníkem: od MRI/CT přes rentgeny až po mikroskopické preparáty upozorňuje na abnormality vyžadující pozornost.

Výhody UI při včasném odhalování

Ve všech oblastech nabízí UI několik klíčových výhod pro včasné zachycení rakoviny:

• Vyšší citlivost: UI dokáže odhalit velmi jemné známky. Při screeningu prsu UI zpětně odhalila asi 20–40 % intervalových nádorů (tumorů přehlédnutých při prvním čtení).
  To znamená, že UI může odhalit rakovinu dříve než samotní lidští čtenáři.
• Přesnost a efektivita: Studie ukazují, že čtení s podporou UI vede k méně falešně negativním výsledkům a někdy i ke snížení falešně pozitivních.
  Například mamografie s UI zvýšila pozitivní prediktivní hodnotu biopsie (tj. počet nádorů na biopsii) v německé studii.
• UI dokáže zpracovat snímky rychleji než člověk, což umožňuje screeningovým programům zvládat rostoucí objemy bez ztráty kvality.
• Stálá kvalita: Na rozdíl od lidí se UI neunaví ani nepřehlédne detaily kvůli rozptýlení.
  Poskytuje jednotnou úroveň analýzy napříč případy, což může snížit variabilitu mezi radiology.
• Prevence zbytečných zákroků: Přesnějším rozlišením benigních a maligních lézí může UI ušetřit pacientům zbytečné testy.
  V příkladu štítné žlázy UI s jistotou vyloučila rakovinu bez nutnosti biopsie.
• V dermatologii mohou aplikace UI uklidnit pacienty ohledně nezhoubných znamének.
  Cílem je precizní screening: najít skutečně potřebné zásahy a vyhnout se nadměrné léčbě.
• Globální dostupnost: V oblastech s nedostatkem odborníků mohou nástroje UI rozšířit screening na úroveň specialistů i do vzdálených klinik.
  Například AI-kolposkop by mohl pomoci sestrám při screeningu rakoviny děložního čípku v méně rozvinutých regionech.

„Přístupy založené na UI mohou zvýšit schopnost kliniků efektivně a přesně hodnotit rakovinu.“ V mnoha studiích kombinace UI a odbornosti lékařů překonává obě samostatně, podobně jako konzultace s erudovaným kolegou.

Výzvy a úvahy

UI přináší i výzvy. Modely trénované na omezených nebo málo rozmanitých datech nemusí fungovat stejně dobře u všech pacientů. Například detektory kožních lézí musí být trénovány na různých odstínech pleti, aby se předešlo zaujatosti.

Dermatoskopické nástroje UI zaznamenaly mezery ve výkonu u snímků s artefakty (např. chloupky nebo špatné osvětlení) a u méně zastoupených typů lézí.

Při screeningu může více detekcí znamenat i více falešných poplachů: UI při kolonoskopii označila mnoho malých polypů, z nichž některé nemusí nikdy přejít v rakovinu.

Odstranění každé drobné léze nese vlastní rizika (malá pravděpodobnost krvácení nebo perforace). Proto musí klinici vyvažovat citlivost a specificitu UI, aby se vyhnuli nadměrné diagnostice.

Integrace UI do klinických procesů není jednoduchá. Nemocnice potřebují validovaný software schválený FDA a školení personálu. Existují také regulační a právní otázky ohledně odpovědnosti, pokud UI přehlédne rakovinu.

Mnoho výzkumníků zdůrazňuje, že UI je nástroj, nikoli náhrada; jak řekl jeden radiolog, používání UI je jako „požádat brilantního kolegu o názor“. Probíhající studie a post-market sledování jsou nezbytné k zajištění skutečného zlepšení výsledků.

Budoucí směřování

Budoucnost UI v odhalování rakoviny je slibná. Výzkumníci vyvíjejí „základní modely“ (velké UI trénované na obrovských datech), které zvládnou mnoho úkolů najednou. Harvardský CHIEF je příkladem: byl trénován jako „ChatGPT pro patologii“ na milionech obrazových fragmentů a funguje napříč mnoha typy rakoviny.

Podobné přístupy brzy mohou kombinovat zobrazování s genetickými a klinickými daty pro ultra-personalizovaný screening. Multimodální UI by mohla předpovídat nejen přítomnost rakoviny, ale i její agresivitu, čímž by usměrňovala intenzitu následné péče.

Výkon UI se rychle zlepšuje díky novým technikám. Systémy CAD nové generace využívají pokročilé neuronové sítě a velké jazykové modely k interpretaci snímků. U rakoviny plic odborníci poznamenávají, že starší UI systémy byly „primitivní“ ve srovnání s dnešními modely a očekávají, že nové verze budou výrazně lepší.

Probíhají mezinárodní studie (např. multicentrické studie v Evropě a USA) k validaci UI nástrojů ve velkém měřítku. Jak se data hromadí, UI se bude učit z reálných výsledků a neustále zlepšovat svou přesnost.

Shrnuto, UI již pomáhá lékařům odhalovat rakovinu dříve z lékařských snímků – od mamogramů a CT přes fotografie kůže až po patologické preparáty. Přestože výzvy přetrvávají, špičkový výzkum a regulační schválení naznačují budoucnost, kde bude UI standardním spojencem ve screeningu rakoviny.

Díky zachycení nádorů v nejranějších stádiích, kdy je léčba nejúčinnější, mohou tyto technologie zlepšit výsledky pro mnoho pacientů po celém světě.