Sztuczna inteligencja poprawia dokładność prognoz skuteczności immunoterapii raka płuc
Opublikowane niedawno wyniki badań(odnośnik otworzy się w nowym oknie) dowodzą, że narzędzia oparte na sztucznej inteligencji mogą pomóc lekarzom w prognozowaniu skuteczności immunoterapii i przeżywalności pacjentów z zaawansowanym niedrobnokomórkowym rakiem płuca. Badanie stanowi część finansowanego ze środków Unii Europejskiej projektu I3LUNG(odnośnik otworzy się w nowym oknie), który stawia sobie za cel sprawienie, by sztuczna inteligencja stała się użytecznym partnerem wspierającym lekarzy w podejmowaniu decyzji klinicznych bez ich zastępowania.
Potrzeba opracowania lepszych narzędzi
Immunoterapia, czyli metoda leczenia wykorzystująca układ odpornościowy pacjenta w celu walki z rakiem, zrewolucjonizowała opiekę nad pacjentami cierpiącymi na niedrobnokomórkowego raka płuc, przynosząc korzyści nawet 30 % ogółu pacjentów. Niestety, u większości pacjentów immunoterapia nie przynosi poprawy stanu zdrowia ani nie prowadzi do remisji. To oznacza, że istnieje potrzeba opracowania niezawodnych biomarkerów dostarczających wiarygodnych informacji na temat nowotworu każdego pacjenta – jego składu genetycznego, zachowania oraz interakcji z układem odpornościowym. Dzięki wskazaniu pacjentów, w przypadku których immunoterapia nie przyniesie istotnych korzyści, lekarze mogą uchronić ich przed niepotrzebnymi skutkami ubocznymi i kosztami. Obecnie decyzje dotyczące leczenia opierają się głównie na biomarkerze PD-L1 - jedynym biomarkerze dopuszczonym do stosowania w warunkach klinicznych, który charakteryzuje ograniczona dokładność prognozowania. W ramach prowadzonego przez zespół największego na świecie międzynarodowego badania opartego na rzeczywistych danych, badacze połączyli wiele metod oraz źródeł danych klinicznych, hematologicznych, obrazowych, patologicznych i genomicznych z modelami uczenia maszynowego i uczenia głębokiego. Ich celem było ustalenie, czy sztuczna inteligencja może pomóc w przewidywaniu wyników leczenia u pacjentów z zaawansowanym niedrobnokomórkowym rakiem płuc poddawanych immunoterapii. W badaniu wzięło udział 2 396 pacjentów z sześciu ośrodków w Niemczech, Grecji, Izraelu, we Włoszech, w Hiszpanii i Stanach Zjednoczonych. We wszystkich przeprowadzonych badaniach modele sztucznej inteligencji konsekwentnie pozwalały na osiąganie lepszych rezultatów niż typowe biomarkery kliniczne. Pole pod krzywą, czyli wskaźnik wykorzystywany w kontekście uczenia maszynowego, w tym przypadku w celu porównania dokładności przewidywań dotyczących przeżycia opartych na różnych modelach, wynosiło od 0,77 w przypadku modelu wykorzystującego dane kliniczne i hematologiczne do 0,88 w przypadku modelu, który dodatkowo uwzględniał badania obrazowe i patologię cyfrową. Wynik w przedziale od 0,8 do 0,9 jest szeroko uznawany za doskonały.
Więcej niż eksperci
W ramach badania zespół analizował także współpracę między ludźmi i sztuczną inteligencją, wyznaczając 20 lekarzom – 10 specjalistom zajmującym się rakiem płuc i 10 lekarzom skupiającym się na innych dziedzinach – przegląd 100 rzeczywistych przypadków pacjentów, najpierw bez pomocy sztucznej inteligencji, a następnie z jej wykorzystaniem. Dostęp do narzędzia opartego na sztucznej inteligencji poprawił precyzję wskazywania pacjentów, u których prawdopodobna jest dobra reakcja na leczenie, podnosząc wartość AUC z 0,72 do 0,87. Choć zarówno specjaliści, jak i lekarze niebędący specjalistami czerpali korzyści z wykorzystania sztucznej inteligencji, lekarze niespecjalizujący się w leczeniu nowotworów odnotowali najbardziej znaczące korzyści. Taki rezultat jest szczególnie istotny w kontekście ogólnych szpitali onkologicznych, w przypadku których dostęp do wiedzy specjalistycznej i doświadczenia dotyczącego onkologii klatki piersiowej bywa ograniczone. „Zespół projektu I3LUNG pokazuje możliwości wykorzystania sztucznej inteligencji w onkologii klatki piersiowej. Narzędzia wspomagające podejmowanie decyzji oparte na rutynowych danych klinicznych mogą być skuteczniejsze niż biomarkery, na których obecnie polegamy”, twierdzi Marina Garassino, onkolog specjalizująca się w nowotworach klatki piersiowej, profesor medycyny na Uniwersytecie w Chicago, uczelni partnerskiej projektu I3LUNG. Jej wypowiedź została przytoczona w informacji prasowej opublikowanej w serwisie UChicago Medicine(odnośnik otworzy się w nowym oknie). „Dla pacjentów oznacza to mniej straconych szans na skuteczne leczenie. Dla lekarzy oznacza to dostęp do wskazówek na poziomie eksperckim bezpośrednio w miejscu opieki. Wszystkim lekarzom zapewnia to dostęp do rygorystycznych, sprawiedliwych i zrozumiałych ram zweryfikowanych w różnych systemach opieki zdrowotnej z udziałem zróżnicowanych grup pacjentów, które mogą stanowić globalną platformę w zakresie precyzyjnej immunoterapii nowej generacji”. W ramach projektu I3LUNG (Integrative science, Intelligent data platform for Individualized LUNG cancer care with Immunotherapy) prowadzoa jest obecnie rekrutacja przeszło 2 000 pacjentów z tych samych sześciu ośrodków w celu wzięcia udziału w badaniu prospektywnym. Dzięki temu badaniu naukowcy będą mogli się skupić na optymalizacji strategii leczenia. Więcej informacji: strona projektu I3LUNG(odnośnik otworzy się w nowym oknie)
