123 RF
AI może oszczędzić pacjentkom z rakiem piersi zbędnej chemioterapii
Redaktor: Marzena Sygut-Mirek
Data: 04.12.2023
Źródło: Katarzyna Czechowicz/PAP
Działy:
Aktualności w Onkologia
Aktualności
Nowe narzędzie sztucznej inteligencji może zaoszczędzić pacjentkom z rakiem piersi niepotrzebnej chemioterapii poprzez zastosowanie precyzyjniejszej metody przewidywania przebiegu ich choroby, od którego zależy dobór metody leczenia – wynika z artykułu opublikowanego w „Nature Medicine”.
Ocena tkanek wykonywana przez sztuczną inteligencję wypadła zdecydowanie lepiej niż ocena przeprowadzana przez doświadczonych patologów.
Nowotwór piersi to bardzo heterogenna choroba
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 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.
Wpływ komórek nienowotworowych na hamowanie raka
– Nasze badanie pokazuje znaczenie czynników nienowotworowych w prognozowaniu wyniku leczenia pacjenta. Ich rola była znana już wcześniej z badań biologicznych, ale wiedza ta nie została skutecznie przełożona na zastosowanie kliniczne – powiedział prof. Lee Cooper z Northwestern University, główny autor badania.
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.
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. Model sztucznej inteligencji mierzy je zaś szybko i przedstawia patologowi gotowe informacje w sposób, który sprawia, że proces decyzyjny staje się dla niego łatwiejszy – wyjaśnił prof. Cooper.
Pomocna sztuczna inteligencja
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 tworzenia 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 ma pomóc w ocenie odpowiedzi terapeutycznej, umożliwiając wydłużenie lub skrócenie leczenia w zależności od tego, jak mikroskopijny wygląd tkanki zmienia się w czasie.
Geograficzne wyrównanie szans
– Mamy również nadzieję, że model ten pomoże zmniejszyć dysproporcje między pacjentami z dużych i mniejszych miejscowości – stwierdził prof. Cooper. – Ci ostatni bowiem często nie mają dostępu do patologa specjalizującego się w raku piersi, a nasz model sztucznej inteligencji może go zastąpić – ocenił.
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 – podsumował prof. Cooper.
Nowotwór piersi to bardzo heterogenna choroba
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 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.
Wpływ komórek nienowotworowych na hamowanie raka
– Nasze badanie pokazuje znaczenie czynników nienowotworowych w prognozowaniu wyniku leczenia pacjenta. Ich rola była znana już wcześniej z badań biologicznych, ale wiedza ta nie została skutecznie przełożona na zastosowanie kliniczne – powiedział prof. Lee Cooper z Northwestern University, główny autor badania.
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.
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. Model sztucznej inteligencji mierzy je zaś szybko i przedstawia patologowi gotowe informacje w sposób, który sprawia, że proces decyzyjny staje się dla niego łatwiejszy – wyjaśnił prof. Cooper.
Pomocna sztuczna inteligencja
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 tworzenia 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 ma pomóc w ocenie odpowiedzi terapeutycznej, umożliwiając wydłużenie lub skrócenie leczenia w zależności od tego, jak mikroskopijny wygląd tkanki zmienia się w czasie.
Geograficzne wyrównanie szans
– Mamy również nadzieję, że model ten pomoże zmniejszyć dysproporcje między pacjentami z dużych i mniejszych miejscowości – stwierdził prof. Cooper. – Ci ostatni bowiem często nie mają dostępu do patologa specjalizującego się w raku piersi, a nasz model sztucznej inteligencji może go zastąpić – ocenił.
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 – podsumował prof. Cooper.
