MIT dhe Mass General Hospital kanë zhvilluar një sistem AI që mund të zbulojë kancerin e mushkërive

Kanceri i mushkërive është një sëmundje shkatërruese. Sipas Organizata Botërore e Shëndetësisë, kanceri i mushkërive është një nga shkaqet më të zakonshme të vdekjeve në mbarë botën, duke llogaritur rreth 2.21 milionë raste vetëm në vitin 2020. E rëndësishmja, sëmundja mund të jetë progresive; domethënë, për shumë njerëz, mund të fillojë si simptoma të lehta që nuk shkaktojnë alarm, përpara se të evoluojnë shpejt në një diagnozë kërcënuese për jetën, duke çuar në vdekje. Për fat të mirë, gama e terapive të përqendruara në ndihmën e pacientëve me kancer të mushkërive është rritur jashtëzakonisht në dy dekadat e fundit. Megjithatë, zbulimi i hershëm i kancerit është ende një nga mënyrat e vetme për të ulur ndjeshëm shkallën e vdekshmërisë.

Një arritje e dukshme në këtë arenë është njoftimi i fundit nga Instituti i Teknologjisë i Massachusetts (MIT) dhe Mass General Hospital (MGH) në lidhje me zhvillimin e një modeli të të mësuarit të thellë të quajtur "Sybil" që mund të përdoret për të parashikuar rrezikun e kancerit të mushkërive, duke përdorur të dhëna. vetëm nga një skanim i vetëm CT. Të studim u botua zyrtarisht në Journal of Clinical Oncology javën e kaluar dhe diskuton se si "mjetet që ofrojnë vlerësim të personalizuar të rrezikut të kancerit në të ardhmen mund të fokusojnë qasjet drejt atyre që kanë më shumë gjasa të përfitojnë". Prandaj, drejtuesit e studimit parashtruan se "një model i të mësuarit të thellë që vlerëson të gjitha të dhënat vëllimore LDCT [CT me kontrast me dozë të ulët] mund të ndërtohet për të parashikuar rrezikun individual pa kërkuar të dhëna demografike ose klinike shtesë".

Modeli fillon me një parim bazë: "Imazhet e LDCT përmbajnë informacione që parashikojnë rrezikun e ardhshëm të kancerit të mushkërive përtej veçorive të identifikueshme aktualisht si nyjet e mushkërive." Prandaj, zhvilluesit u përpoqën të "zhvillojnë dhe vërtetojnë një algoritëm të të mësuarit të thellë që parashikon rrezikun e kancerit të mushkërive në të ardhmen deri në 6 vjet nga një skanim i vetëm LDCT dhe të vlerësojë ndikimin e tij të mundshëm klinik".

Në përgjithësi, studimi ka qenë jashtëzakonisht i suksesshëm, deri më tani: Sybil është në gjendje të parashikojë rrezikun e kancerit të mushkërive të pacientit në një masë të caktuar saktësie, duke përdorur të dhënat nga vetëm një LDCT.

Pa dyshim, aplikimet klinike dhe implikimet për këtë teknologji janë ende të papjekura. Edhe drejtuesit e studimit pajtohen se do të duhet të bëhet punë e rëndësishme për të kuptuar saktësisht se si të zbatohet kjo teknologji në praktikën aktuale klinike - veçanërisht në lidhje me zhvillimin e një shkalle besimi në teknologji, me të cilën mjekët dhe pacientët do të ndihen të sigurt duke u mbështetur në daljet e sistemit.

Megjithatë, premisa e algoritmit është ende tepër e fuqishme dhe përfshin një ndryshim të mundshëm të lojës në fushën e diagnostikimit parashikues.

Masat diagnostikuese nuk kanë qenë kurrë më parë kaq të fuqishme. Fakti që një mjet mund të përdorë vetëm një skanim CT për të parashikuar një funksion afatgjatë të sëmundjes mund të zgjidhë potencialisht shumë probleme – më e rëndësishmja prej të cilave është mundësimi i trajtimit të hershëm dhe ulja e vdekshmërisë.

Ekspertët, në fillim të skuqjes, mund të kundërshtojnë sisteme si këto, duke vënë në dukje se asnjë sistem AI nuk mund të përputhet me gjykimin dhe aftësinë klinike aq mirë sa të zëvendësojë një mjek njerëzor. Por qëllimi i sistemeve si këto nuk është domosdoshmërisht të zëvendësojnë ekspertizën e mjekut, por më tepër të rrisin potencialisht flukset e punës së mjekëve.

Një sistem si Sybil mund të përdoret shumë lehtë si një mjet rekomandimi, duke i raportuar potencialisht në lidhje me CT-të tek një mjek, i cili më pas mund të përdorë gjykimin e tij klinik ose për të rënë dakord ose për të mos pajtuar me rekomandimin e Sybilit. Kjo jo vetëm që ka të ngjarë të përmirësojë performancën klinike, por gjithashtu mund të veprojë si një proces "kontrolli" dytësor dhe ndoshta të rrisë saktësinë diagnostike.

Padyshim që ka ende shumë punë për të bërë në këtë arenë. Shkencëtarët, zhvilluesit dhe novatorët kanë një rrugë të gjatë përpara tyre në jo vetëm përsosjen e vetë algoritmit dhe sistemit aktual, por edhe në lundrimin në arenën hiper-nuancash të futjes së kësaj teknologjie në aplikimet aktuale klinike. Megjithatë, teknologjia, synimi dhe potenciali që ajo ka në lidhje me përmirësimin e kujdesit ndaj pacientit, nëse zhvillohet në një mënyrë të sigurt, etike dhe efikase, është me të vërtetë premtuese për gjeneratën e diagnostifikimit që do të vijë.