Ένα Νέο Εργαλείο Τεχνητής Νοημοσύνης για τον Καρκίνο
Ένα μοντέλο AI τύπου ChatGPT μπορεί να διαγνώσει καρκίνο, να καθοδηγήσει την επιλογή θεραπείας και να προβλέψει την επιβίωση σε πολλούς τύπους καρκίνου. Επιστήμονες από την Ιατρική Σχολή του Χάρβαρντ έχουν σχεδιάσει ένα ευέλικτο μοντέλο AI τύπου ChatGPT που είναι ικανό να εκτελεί μια σειρά από διαγνωστικές εργασίες σε πολλούς τύπους καρκίνου. Το νέο σύστημα AI, που περιγράφεται στις 4 Σεπτεμβρίου στο περιοδικό Nature, υπερβαίνει τις τρέχουσες προσεγγίσεις AI για τη διάγνωση καρκίνου, σύμφωνα με τους ερευνητές.
Ευέλικτο και Πολυδιάστατο
Τα τρέχοντα συστήματα AI συνήθως εκπαιδεύονται για να εκτελούν συγκεκριμένες εργασίες – όπως η ανίχνευση παρουσίας καρκίνου ή η πρόβλεψη του γενετικού προφίλ ενός όγκου – και τείνουν να λειτουργούν μόνο σε λίγους τύπους καρκίνου. Αντίθετα, το νέο μοντέλο μπορεί να εκτελεί μια ευρεία γκάμα εργασιών και δοκιμάστηκε σε 19 τύπους καρκίνου, προσφέροντας μια ευελιξία παρόμοια με εκείνη των μεγάλων γλωσσικών μοντέλων όπως το ChatGPT.
Πρωτοποριακές Ικανότητες
Ενώ άλλα θεμελιώδη μοντέλα AI για ιατρική διάγνωση βασισμένα σε παθολογικές εικόνες έχουν εμφανιστεί πρόσφατα, αυτό πιστεύεται ότι είναι το πρώτο που προβλέπει τα αποτελέσματα των ασθενών και τα επικυρώνει σε διάφορες διεθνείς ομάδες ασθενών.
«Η φιλοδοξία μας ήταν να δημιουργήσουμε μια ευέλικτη πλατφόρμα AI τύπου ChatGPT που μπορεί να εκτελεί ένα ευρύ φάσμα εργασιών αξιολόγησης καρκίνου», δήλωσε ο κύριος συγγραφέας της μελέτης, Kun-Hsing Yu, επίκουρος καθηγητής βιοϊατρικής πληροφορικής στο Ινστιτούτο Blavatnik της Ιατρικής Σχολής του Χάρβαρντ. «Το μοντέλο μας αποδείχθηκε πολύ χρήσιμο σε πολλαπλές εργασίες που σχετίζονται με την ανίχνευση καρκίνου, την πρόγνωση και την ανταπόκριση στη θεραπεία σε πολλούς τύπους καρκίνου».
Εκπαίδευση και Απόδοση
Το νέο μοντέλο, που ονομάζεται CHIEF (Clinical Histopathology Imaging Evaluation Foundation), εκπαιδεύτηκε σε 15 εκατομμύρια μη επισημασμένες εικόνες χωρισμένες σε τμήματα ενδιαφέροντος. Στη συνέχεια, εκπαιδεύτηκε περαιτέρω σε 60.000 ολόκληρες εικόνες ιστών, συμπεριλαμβανομένων των πνευμόνων, του μαστού, του προστάτη, του παχέος εντέρου, του στομάχου, του οισοφάγου, των νεφρών, του εγκεφάλου, του ήπατος, του θυρεοειδούς, του παγκρέατος, του τραχήλου της μήτρας, της μήτρας, των ωοθηκών, των όρχεων, του δέρματος, των μαλακών ιστών, του επινεφριδίου και της ουροδόχου κύστης.
Ανίχνευση Καρκίνου
Το CHIEF πέτυχε σχεδόν 94% ακρίβεια στην ανίχνευση καρκίνου και ξεπέρασε σημαντικά τις τρέχουσες προσεγγίσεις AI σε 15 σύνολα δεδομένων που περιείχαν 11 τύπους καρκίνου. Σε πέντε σύνολα δεδομένων βιοψίας που συλλέχθηκαν από ανεξάρτητες ομάδες, το CHIEF πέτυχε 96% ακρίβεια σε πολλούς τύπους καρκίνου, όπως οισοφάγου, στομάχου, παχέος εντέρου και προστάτη.
Πρόβλεψη Μοριακών Προφίλ Όγκων
Το γενετικό προφίλ ενός όγκου περιέχει κρίσιμες πληροφορίες για τον καθορισμό της μελλοντικής του συμπεριφοράς και των βέλτιστων θεραπειών. Για να αποκτήσουν αυτές τις πληροφορίες, οι ογκολόγοι παραγγέλνουν αλληλούχιση DNA των δειγμάτων όγκου, αλλά τέτοια λεπτομερής γονιδιωματική ανάλυση των καρκινικών ιστών δεν γίνεται ρουτίνα ούτε ομοιόμορφα σε όλο τον κόσμο λόγω του κόστους και του χρόνου που απαιτείται για την αποστολή δειγμάτων σε εξειδικευμένα εργαστήρια αλληλούχισης DNA.
Πρόβλεψη Επιβίωσης Ασθενών
Το CHIEF προέβλεψε με επιτυχία την επιβίωση των ασθενών με βάση τις εικόνες ιστοπαθολογίας των όγκων που λήφθηκαν κατά τη στιγμή της αρχικής διάγνωσης. Σε όλους τους τύπους καρκίνου και όλες τις ομάδες ασθενών υπό μελέτη, το CHIEF διέκρινε ασθενείς με μακροχρόνια επιβίωση από εκείνους με βραχυχρόνια επιβίωση.
Εξαγωγή Νέων Πληροφοριών για τη Συμπεριφορά των Όγκων
Το μοντέλο εντόπισε χαρακτηριστικά στις εικόνες που σχετίζονται με την επιθετικότητα των όγκων και την επιβίωση των ασθενών. Για να οπτικοποιήσει αυτές τις περιοχές ενδιαφέροντος, το CHIEF δημιούργησε θερμικούς χάρτες σε μια εικόνα. Όταν οι ανθρώπινοι παθολόγοι ανέλυσαν αυτά τα σημεία ενδιαφέροντος που προέρχονται από το AI, είδαν ενδιαφέροντα σήματα που αντικατοπτρίζουν τις αλληλεπιδράσεις μεταξύ των καρκινικών κυττάρων και των περιβαλλόντων ιστών.
Επόμενα Βήματα
Οι ερευνητές δήλωσαν ότι σκοπεύουν να βελτιώσουν την απόδοση του CHIEF και να ενισχύσουν τις δυνατότητές του με:
- Πρόσθετη εκπαίδευση σε εικόνες ιστών από σπάνιες ασθένειες και μη καρκινικές καταστάσεις.
- Συμπερίληψη δειγμάτων από προ-καρκινικούς ιστούς πριν τα κύτταρα γίνουν πλήρως καρκινικά.
- Έκθεση του μοντέλου σε περισσότερα μοριακά δεδομένα για την ενίσχυση της ικανότητάς του να εντοπίζει καρκίνους με διαφορετικά επίπεδα επιθετικότητας.
- Εκπαίδευση του μοντέλου για να προβλέπει τα οφέλη και τις παρενέργειες των νέων θεραπειών καρκίνου εκτός από τις τυπικές θεραπείες.
Συμπέρασμα
Το νέο εργαλείο τεχνητής νοημοσύνης CHIEF προσφέρει μια καινοτόμα προσέγγιση στην ανίχνευση, πρόγνωση και θεραπεία του καρκίνου, με δυνατότητες που ξεπερνούν τα τρέχοντα συστήματα AI. Αν επικυρωθεί περαιτέρω και αναπτυχθεί ευρέως, μπορεί να βοηθήσει τους κλινικούς γιατρούς να αξιολογούν τους καρκίνους με μεγαλύτερη ακρίβεια και να προσφέρουν καλύτερες επιλογές θεραπείας στους ασθενείς.
