Sztuczna inteligencja wykrywa raka trzustki skuteczniej niż radiolodzy

Rak trzustki jest jednym z najgorzej rokujących nowotworów, ale nowe badanie pokazuje, że sztuczna inteligencja w diagnostyce raka trzustki może poprawić wczesne wykrywanie choroby. Modele AI stworzone na podstawie danych ponad 400 pacjentów przewyższyły skuteczność radiologów w analizie skanów. Wyniki opublikowane w The Lancet Oncology wskazują, że technologia może zmniejszyć liczbę błędnych diagnoz i wesprzeć lekarzy w codziennej pracy.

Rak trzustki pozostaje jednym z najbardziej śmiertelnych nowotworów, głównie z powodu późnej diagnozy. Objawy są zwykle niespecyficzne, a guzy we wczesnym stadium często nie są widoczne w tomografii komputerowej jamy brzusznej. Tylko 10% pacjentów przeżywa pięć lat od rozpoznania, a leczenie radykalne jest możliwe jedynie na bardzo wczesnym etapie choroby.

Badacz sztucznej inteligencji Henkjan Huisman oraz radiolog John Hermans opracowali poufny, wysokiej jakości zbiór danych obejmujący prawie 400 skanów pacjentów z krajów zachodnich. Każdy skan został oceniony przez międzynarodową grupę ekspertów, co pozwoliło stworzyć wiarygodny punkt odniesienia do testowania nowych modeli AI. Następnie naukowcy zaprosili zespoły z całego świata do zgłaszania własnych rozwiązań – wpłynęło ponad 250 modeli AI.

Najlepsze modele sztucznej inteligencji testowano na poufnym zbiorze danych i porównywano z opiniami radiologów. Wyniki pokazują, że AI była skuteczniejsza od przeciętnego specjalisty – dokonała poprawnej oceny w 92% skanów, podczas gdy radiolodzy osiągnęli 88%. Co więcej, system AI wygenerował o 38% mniej fałszywie dodatnich wyników, co ma ogromne znaczenie zarówno dla pacjentów, jak i dla systemu ochrony zdrowia.

Wyniki opisano w prestiżowym czasopiśmie The Lancet Oncology. Jak podkreślił Henkjan Huisman:

Z kolei John Hermans zwrócił uwagę, że technologia może mieć realny wpływ na wcześniejszą diagnostykę:

Choć wyniki są obiecujące, eksperci podkreślają, że modele AI wciąż wymagają walidacji i nie są jeszcze dostępne w praktyce klinicznej. Hermans ostrzega przed pochopnym wdrożeniem:

Obecnie trwają prace nad jeszcze lepszymi modelami trenowanymi na szerszych skanach jamy brzusznej, aby zwiększyć dokładność i ograniczyć ryzyko błędów.