Pacjentki z rakiem piersi mogą mieć mniej chemioterapii dzięki sztucznej inteligencji

Ocena tkanek wykonywana przez sztuczną inteligencję wypadła zdecydowanie lepiej niż ocena przeprowadzana przez doświadczonych patologów.

Nowe narzędzie sztucznej inteligencji może zaoszczędzić pacjentkom z rakiem piersi niepotrzebnej chemioterapii poprzez zastosowanie bardziej precyzyjnej metody przewidywania przebiegu ich choroby, od którego zależy dobór metody leczenia - wynika z artykułu opublikowanego w "Nature Medicine".

Rak piersi jest bardzo niejednorodną chorobą o zmiennych wynikach przeżycia. Obecnie, aby określić stopień złośliwości nowotworu i dobrać odpowiednią metodę terapii, patolodzy oceniają mikroskopowy wygląd tkanki piersi. Proces ten koncentruje się jednak wyłącznie na wyglądzie komórek nowotworowych i pozostaje w dużej mierze niezmieniony od dziesięcioleci. Omawiane badanie (http://dx.doi.org/10.1038/s41591-023-02643-7) pokazuje natomiast, że wzorce komórek nienowotworowych są równie ważne w przewidywaniu wyników danej osoby, a obecnie zupełnie pomijane w procesie diagnostycznym.

Tymczasem precyzyjna identyfikacja grupy ryzyka, do jakiej należy konkretna pacjentka, i określenie jej szans na długoterminowe przeżycie determinują dobór czasu trwania i intensywność chemioterapii. To ważne, ponieważ chemioterapia wiąże się z nieprzyjemnymi i szkodliwymi skutkami ubocznymi.

"Nasze badanie pokazuje znaczenie czynników nienowotworowych w prognozowaniu wyniku leczenia pacjenta - mówi prof. Lee Cooper z Northwestern University, główny autor badania. - Ich rola była znana już wcześniej z badań biologicznych, ale wiedza ta nie została skutecznie przełożona na zastosowanie kliniczne".

Wiele badań z zakresu biologii raka piersi wykazało, że komórki nienowotworowe, w tym komórki układu odpornościowego oraz komórki nadające kształt i strukturę tkance, mogą odgrywać ważną rolę w podtrzymywaniu lub hamowaniu rozwoju nowotworu.

[ZT]18543[/ZT]

Cooper i jego współpracownicy zbudowali więc model sztucznej inteligencji do oceny tkanki rakowej na podstawie wyglądu zarówno komórek nowotworowych, jak i nienowotworowych, a także interakcji między nimi.

"Ocena tych wzorców jest trudna dla patologa, ponieważ ludzkie oko może mieć trudności z ich wiarygodną kategoryzacją - wyjaśnia prof. Cooper. - Model sztucznej inteligencji mierzy je zaś szybko i przedstawia patologowi gotowe informacje w sposób, który sprawia, że proces decyzyjny staje się dla niego łatwiejszy".

System AI analizuje 26 różnych właściwości tkanki piersi pacjentek w celu wygenerowania ogólnego wyniku prognostycznego. Dodatkowo prezentuje on wyniki uzyskane dla poszczególnych rodzajów komórek (np. nowotworowych, odpornościowych i zrębowych), aby wyjaśnić patologowi, jak powstała dana prognoza. To istotne, ponieważ np. u niektórych pacjentów korzystne rokowanie wynika z właściwości ich komórek odpornościowych, podczas gdy u innych z właściwości komórek nowotworowych. Informacje te mogą zostać wykorzystane przez zespół lekarski do tworzeniu zindywidualizowanego planu leczenia.

Wprowadzenie nowego modelu do praktyki klinicznej mogłoby - zdaniem autorów publikacji - zapewnić pacjentkom, u których zdiagnozowano raka piersi, dokładniejsze oszacowanie ryzyka związanego z chorobą, umożliwiając im podejmowanie świadomych decyzji dotyczących opieki klinicznej.

Dodatkowo model AI pomóc w ocenie odpowiedzi terapeutycznej, umożliwiając wydłużenie lub skrócenie leczenia w zależności od tego, jak mikroskopijny wygląd tkanki zmienia się w czasie.

"Mamy również nadzieję, że model ten pomoże zmniejszyć dysproporcje między pacjentami z dużych i mniejszych miejscowości - mówi prof. Cooper. - Ci ostatni bowiem często nie mają dostępu do patologa specjalizującego się w raku piersi, a nasz model sztucznej inteligencji może go zastąpić".

Teraz naukowcy z tego samego zespołu pracują nad kolejnymi modelami stworzonymi do bardziej specyficznych typów raka piersi, takich jak rak potrójnie ujemny lub HER2-dodatni. Nowotwór ten obejmuje bowiem kilka różnych kategorii, a ważne wzorce tkanki mogą się między nimi dość mocno różnić.

"Poprawi to naszą zdolność przewidywania wyników i zapewni dalszy wgląd w biologię raka piersi" - podsumowuje prof. Cooper. (PAP)

autor: Katarzyna Czechowicz

kap/ bar/

[ALERT]1702139363478[/ALERT]

[ZT]18676[/ZT]