Sztuczna inteligencja pomoże w wykrywaniu nowotworu trzustki. Powie o zagrożeniu 20 miesięcy przed diagnozą
Diagnoza raka trzustki jest niezwykle skomplikowana. Zazwyczaj bowiem zdarza się, że pacjenci badani są już za późno.
Rak trzustki to podstępna choroba
Specyfika nowotworu trzustki zdecydowanie utrudnia wszelkie działania mające jednoznacznie potwierdzić obecność choroby. Nie dość, że trzustka to narząd dość "zasłonięty" w naszym ciele, to przez dłuższy czas mogą nie występować żadne objawy. NIestety, często zdarza się, że chorzy diagnozowani są już za późno, gdyż aż 70 - 80 procent znajduje się już w zaawansowanym stadium choroby. Szanse na 5-letnie przeżycie ma jedynie 6 procent chorych. Z tego względu niezwykle ważne są badania przesiewowe. Te jednak też są problematyczne. Dr Ananya Malhotra, zajmująca się analizami statystycznymi w Londyńskiej Szkole Higieny i Medycyny Tropikalnej zaznacza, że trzeba było do tej pory przeprowadzić do 1500 testów w celu wykrycia jednego chorego.
AI w służbie medycyny
Dr Ananya Malhotra zwróciła w swoich badaniach uwagę na niespecyficzne objawy: problemy gastryczne, brak apetytu, bóle pleców. W związku z z tym wraz z zespołem naukowców stworzyła ona narzędzie analityczne. Wykorzystano przy tym sztuczną inteligencję, która przeanalizowała 1378 pacjentów w Wielkiej Brytanii między 15 a 99 rokiem zycia, którzy są chorzy na nowotwór trzustki. Każdemu przypisano do 4 osób zdrowych, a w dokumentacji medycznej zwrócno szczególną uwagę na pierwsze objawy, na które chorzy skarżyli się swoim lekarzom rodzinnym. Dzięki temu AI przeskano ogromne ilości danych i ich kombinacji.
Model diagnostyczny nowotworu trzustk
Kierowniczka badań wyjaśnia, że korzystanie z opracowanego modelu pozwoliło wyłonić osoby, które bardziej narażone są na rozwój nowotworu trzustki z wyprzedzeniem nawet 20 miesięcy przed oficjalną diagnozą. "Sztuczna inteligencja wykazuje potencjał do zawężenia grupy chorych poddawanych badaniom diagnostycznym" - wyjaśnia naukowiec. Kolejne działania badaczy skupią się na szerszym wykorzystywaniu kombinacji narzędzi diagnostycznych, modelu szacowania na AI i testów przesiewowych. Dr Angela Lamarca takie metody przyczynić się mogą do szybszego diagnozowania osób chorych, czyli również szybszemu rozpoczęciu leczenia. Uważa ona, że ta metoda może okazać się niezwykle ważna u lekarzy rodzinnych do których pacjenci z wczesnymi symptomami zgłaszają się najpierw.
