Spis treści:
Algorytmy sztucznej inteligencji, służące do interpretacji mammogramów, mogą potencjalnie poprawić skuteczność programów badań przesiewowych w kierunku raka piersi, jeśli będą w stanie wykrywać nowotwory. Badania sugerują, że AI ma porównywalną lub większą dokładność niż radiolodzy i wykorzystuje „wzbogacone” zestawy danych. Prace i badania amerykańskiego MIT chyba nigdy nie przestaną zaskakiwać. Kiedy profesor Regina Barzilay z bostońskiej uczelni wróciła do pracy po operacji usunięcia raka piersi, uderzyła ją pewna nieoczekiwana myśl. Ekspertka od sztucznej inteligencji nie tylko spędziła lata na badaniach nad specjalnością AI znaną jako przetwarzanie języka naturalnego, która stosuje algorytmy do danych tekstowych. Równie ważne są jej osobiste doświadczenia. Barzilay przeszła chemioterapię i inne zabiegi onkologiczne podczas długiej terapii w Massachusetts General Hospital. Doskonale były jej znane skutki uboczne. Szybko zdała sobie sprawę z tego, że po odniesieniu zwycięstwa nad nowotworem pragnie wykorzystać swoje umiejętności do przewidywania ryzyka wystąpienia nowotworów – postanowiła wówczas zmienić kierunek swoich badań.
Nowoczesne leczenie raka piersi
Nie jesteśmy lekarzami, ale wiemy, że jeden z najistotniejszych i najczęściej podejmowanych w dyskusjach aspektów medycyny to ocena ryzyka zachorowania. Nie potrzeba do tego dyplomu uczelni medycznej, ale powiedzmy dość oględnie, że właściwa diagnoza w praktyce to rzecz naprawdę skomplikowana. Jak to wygląda w przypadku raka piersi? Dzięki odpowiednim modelom diagności mogą zrobić szybki krok w kierunku spersonalizowanych strategii badań przesiewowych. Metody wczesnego wykrywania przekładają się na skuteczniejsze możliwości leczenia onkologicznego. To właśnie tutaj obiecującą rolę odgrywa mammografia z zastosowaniem AI (sztuczna inteligencja). Wraz z ciągłym, wykładniczym wzrostem wydajności obliczeniowej rewolucja w dziedzinie sztucznej inteligencji, napędzana wprowadzeniem głębokiego uczenia (deep learning), zwiększa użyteczność badań obrazowych w modelach predykcyjnych właściwie na naszych oczach. W rezultacie dane obrazowe oparte na sztucznej inteligencji stały się jednymi z najbardziej obiecujących narzędzi do precyzyjnych badań przesiewowych w kierunku raka piersi. Jak to wygląda w praktyce?
AI MIT Mirai - genialny diagnosta
Istotny zwrot zauważył w 2021 roku Washington Post. Pisano wówczas, że profesor Barzilay wraz ze studentami zaprezentowała sztuczną inteligencję, która jest w stanie przewidzieć z niespotykaną dotąd dokładnością fakt, czy zdrowa osoba zachoruje na raka piersi. To innowacja, będąca w stanie poważnie zmienić nasz sposób myślenia o tej chorobie. Artykuł o nowych metodach pojawił się w czasopiśmie medycznym Journal of Clinical Oncology w listopadzie tego samego roku. AI Mirai ma być narzędziem wydającym oceny ryzyka dla pacjentów w ciągu najbliższych pięciu lat i dawać im szansę dokonywania wyborów w zakresie opieki zdrowotnej, o których wcześniejsze pokolenia mogły tylko marzyć. Ze sztuczną inteligencją bywa tak, że sami projektanci nie rozumieją do końca, jak działa.
A. Obraz mammografii cyfrowej (DM)
B. Obraz cyfrowy tomosyntezy piersi (DBT) u 66-letniej kobiety. Sztuczna inteligencja (AI) zidentyfikowała spikulowaną masę (zaznaczoną) na obrazach uzyskanych obiema technikami podczas badań przesiewowych.
C. Obraz DM uzyskany 4 miesiące później, po wykryciu wyczuwalnego guzka (niezwiązanego z rakiem). Wykonano biopsję i zdiagnozowano raka stopnia II o wielkości 6 mm. Wynik egzaminu AI w tym przypadku wyniósł 10.
Źródło: https://pubs.rsna.org/doi/full/10.1148/radiol.2021203555
Są po prostu pewni, że tak jest. Fakt ten rodzi wiele implikacji społecznych i moralnych, a mówimy przecież o medycynie. Czy instytucje medyczne i firmy ubezpieczeniowe w ogóle się na to zgodzą – to już zupełnie inna kwestia. Spójrzmy jednak na dotychczasowe wyniki.
Ryzyko raka piersi i diagnostyka dzięki analizie AI
Jak podaje Washington Post, analiza zestawu skomplikowanych pikseli na mammogramie, a następnie porównanie jej wyników z innymi, starszymi mammogramami pozwala na przewidzenie prawie połowy wszystkich zachorowań na raka piersi nawet do pięciu lat przed ich wystąpieniem. Hipokratejska idea „lepiej zapobiegać niż leczyć” zdaje się spełniać dzięki połączeniu technologii i opieki zdrowotnej, które może odmienić życie milionów kobiet i części mężczyzn – tak, również są narażeni na ryzyko wystąpienia tej choroby – bez dopuszczenia do konieczności stosowania leczenia.
Lepiej zapobiegać niż leczyć
Nie podejmujemy się próby zrozumienia obaw o przyszłość, licznych wizyt u lekarzy oceniających zagrożenie oraz wielomiesięczne, wyniszczającego leczenia. Nawet w przypadkach, które zakończyły się sukcesem, fizyczne i psychiczne skutki uboczne – wraz z paraliżującym strachem przed nawrotem choroby – mogą trwać latami. Barzilay zauważyła, że przez cały ten czas do pacjentów zdaje się powracać pytanie o to, jak nasze własne ciało może nas zdradzić, nie dając nawet najmniejszego sygnału ostrzegawczego. Rozpocznijmy od oceny ryzyka zachorowania na raka piersi. Dzięki odpowiednim modelom diagności mogą zrobić ważny krok w kierunku spersonalizowanych strategii badań przesiewowych. Metody te przekładają się na wcześniejsze wykrywanie i w konsekwencji skuteczniejsze możliwości leczenia. Istotną rolę odgrywa tutaj mammografia z zastosowaniem AI (sztuczna inteligencja). Wraz z ciągłym, wykładniczym wzrostem wydajności obliczeniowej rewolucja w dziedzinie sztucznej inteligencji (AI), napędzana wprowadzeniem głębokiego uczenia, zwiększy użyteczność badań obrazowych w modelach predykcyjnych. W rezultacie dane obrazowe oparte na sztucznej inteligencji stały się jednymi z najbardziej obiecujących narzędzi do precyzyjnych badań przesiewowych.
Jak to działa?
Systemem, którego najczęściej próbowano słuchać, było narzędzi Tyrer-Cuzick. To model statystyczny, pozwalający lekarzom na wprowadzenie listy podstawowych zmiennych, takich jak wiek i historia rodziny danej osoby. Zwykle przewiduje on raka piersi u zaledwie 20-25% osób, u których zostanie on zdiagnozowany.
Naukowcy z MIT przyjęli inną strategię. Zespół zebrał ponad 200 000 mammogramów osób, które zachorowały lub nie zachorowały na nowotwór. Wprowadzili je do Mirai, aby wytrenować algorytm. Mirai mozolnie i dokładnie skanował mammogramy, by na podstawie wszystkich przeanalizowanych danych sformułować prognozę. Tylko jak się uczył? Cóż, trochę jak domowe zwierzę – poznawał rzeczywisty wynik i był „karany” lub „nagradzany” dzięki matematycznemu dostosowaniu modelu w zależności od odchylenia od rzeczywistości. Szybko nauczył się, jak wygląda przyszły rak piersi w punktach mammograficznych, a jak nie.
Po przeszkoleniu Mirai członkowie zespołu zebrali 129 000 mammografii wykonanych w latach 2008-2016, obejmujących 62 000 pacjentek w siedmiu szpitalach w pięciu miejscach – w Szwecji, Izraelu, na Tajwanie, w Brazylii i Stanach Zjednoczonych. Następnie poprosili sztuczną inteligencję o dokonanie prognoz. Wszystko, co przekraczało łączny wynik pięcioletniego ryzyka na poziomie 2,5%, było uznawane za wysokie. AI automatycznie zalecała dalsze badania takie jak biopsja i rezonans magnetyczny.
Leczenie raka piersi i nadzieje onkologii
Zespół zastanawiał się, jak dobrze Mirai może przewidzieć, jaki mammogram należał do osoby, u której w ciągu pięciu lat rozwinął się rak. Odpowiedź maszyny była poprawna średnio w około 76 na 100 przypadków. Tyrer-Cuzick „osiągnął” wynik gorszy o 22%. Różnica przekłada się na miliony ludzkich istnień. Fundacja Breast Cancer Research zapewniła finansowanie badań, podobnie jak Jameel Clinic z MIT oraz brytyjska organizacja non-profit Wellcome Trust. Profesor zapytała o to, czy będzie to technologia open source dostępna dla każdego odpowiedziała, że tak, i że nigdy nie miała co do tego wątpliwości.
Warto zdawać sobie sprawę, że nie jest to krótka droga od archimedejskiego okrzyku „Eureka” wprost do repertuaru narzędzi klinik, lecznic i szpitali. Sztuczna inteligencja w medycynie oznacza szereg wyzwań i problemów, znacznie różniących się na przykład od tych występujących w sektorach biznesu. Pewne jest jednak, że jeżeli instytucje, takie jak MIT uznają modele uczenia maszynowego (machine learning) do przeszukiwania danych medycznych i odkrywania spostrzeżeń, które poprawiają zdrowie i budują pozytywne doświadczenia wśród pacjentów i lekarzy za rozsądny przedmiot badań, to dalsze postępy w informatyce i naukach komputerowych sprawią, że sztuczna inteligencja będzie miała szansę stać się integralną częścią nowoczesnej opieki zdrowotnej.
