Μια ανεπαίσθητη μεταβολή στη δομή του μαστού, την οποία ακόμη και ένας έμπειρος ακτινολόγος δεν θα μπορούσε να χαρακτηρίσει με βεβαιότητα ύποπτη, ενδέχεται να αποτελεί προειδοποιητικό σήμα αρκετά χρόνια πριν από την εμφάνιση καρκίνου. Εκεί ακριβώς φαίνεται ότι μπορεί να προσφέρει σημαντική βοήθεια η τεχνητή νοημοσύνη, αναγνωρίζοντας μοτίβα στις μαστογραφίες που είναι εξαιρετικά δύσκολο να αξιολογηθούν με το ανθρώπινο μάτι.
Νέα ερευνητικά δεδομένα δείχνουν ότι συστήματα τεχνητής νοημοσύνης μπορούν να αναγνωρίζουν πρώιμες ενδείξεις καρκίνου του μαστού έως και έξι χρόνια πριν από την κλινική διάγνωση, ενώ σε ορισμένες περιπτώσεις τα σχετικά σημάδια φαίνεται να είναι ανιχνεύσιμα ακόμη και μία δεκαετία νωρίτερα.
Στην έρευνα, στην οποία συμμετείχαν και Έλληνες επιστήμονες, εξετάστηκε κατά πόσο ήδη διαθέσιμα συστήματα AI μπορούν να αξιοποιήσουν παλαιότερες μαστογραφίες για να εντοπίσουν πολύ πρώιμες μεταβολές που συνδέονται με την κατοπινή εμφάνιση της νόσου.
Τα αποτελέσματα δημιουργούν νέες προοπτικές όχι μόνο για την έγκαιρη διάγνωση, αλλά και για έναν περισσότερο εξατομικευμένο προληπτικό έλεγχο, στον οποίο η συχνότητα και το είδος των εξετάσεων θα μπορούσαν μελλοντικά να προσαρμόζονται στον κίνδυνο κάθε γυναίκας.
Σχεδόν 89.000 μαστογραφίες στο «μικροσκόπιο» της AI
Στο πλαίσιο της αναδρομικής μελέτης αξιολογήθηκαν τρία εμπορικά διαθέσιμα συστήματα τεχνητής νοημοσύνης, τα οποία ανέλυσαν δεδομένα μαστογραφιών που είχαν πραγματοποιηθεί στη Σουηδία.
Συνολικά εξετάστηκαν σχεδόν 89.000 μαστογραφίες από 31.394 γυναίκες, οι οποίες είχαν πραγματοποιηθεί σε χρονικό διάστημα περίπου δέκα ετών, από τον Ιανουάριο του 2008 έως τον Απρίλιο του 2019.
Κατά τη διάρκεια της συγκεκριμένης περιόδου, 12.072 γυναίκες, ποσοστό 38,5% του δείγματος, διαγνώστηκαν με καρκίνο από ακτινολόγους. Αυτό επέτρεψε στους ερευνητές να επιστρέψουν στις προηγούμενες μαστογραφίες τους και να εξετάσουν εάν οι αλγόριθμοι μπορούσαν να αναγνωρίσουν ενδείξεις της νόσου πολύ πριν από την τελική διάγνωση.
Τα δεδομένα προέρχονταν από μεγάλη βάση απεικόνισης μαστού, στην οποία συμμετέχουν εθελόντριες από τέσσερις περιοχές της Σουηδίας. Στη χώρα, οι γυναίκες ηλικίας 40 έως 74 ετών καλούνται να πραγματοποιούν μαστογραφία ανά δύο χρόνια, με κάθε εξέταση να αξιολογείται παραδοσιακά από δύο ακτινολόγους.
Το μεγάλο ενδιαφέρον βρισκόταν στις μαστογραφίες που, τη στιγμή κατά την οποία πραγματοποιήθηκαν, δεν είχαν οδηγήσει σε διάγνωση καρκίνου. Οι ερευνητές θέλησαν να διαπιστώσουν εάν η AI μπορούσε εκ των υστέρων να αναγνωρίσει σε αυτές ένα μοτίβο που προμήνυε την εμφάνιση της νόσου.
Τα σημάδια που εμφανίζονται έως και δέκα χρόνια νωρίτερα
Τα ευρήματα ήταν ιδιαίτερα εντυπωσιακά. Περίπου ένα στα πέντε περιστατικά καρκίνου του μαστού παρουσίαζε στις μαστογραφίες ενδείξεις που τα συστήματα AI μπορούσαν να αναγνωρίσουν πολύ νωρίτερα από τη στιγμή κατά την οποία η νόσος διαγνώστηκε από τους ακτινολόγους.
Στο 20% των γυναικών, οι αλγόριθμοι αναγνώρισαν σχετικά σημάδια έξι χρόνια πριν από τη διάγνωση. Το αντίστοιχο ποσοστό έφθανε στο 25% τέσσερα χρόνια νωρίτερα και στο 39% δύο χρόνια πριν από την επιβεβαίωση της νόσου.
Ακόμη πιο αξιοσημείωτο είναι ότι περίπου στο 15% των γυναικών εμφανίστηκαν ενδείξεις που μπορούσαν να αναγνωριστούν ακόμη και δέκα χρόνια πριν από τη διάγνωση, αν και σε αυτό το μεγάλο χρονικό διάστημα καταγράφηκαν διαφοροποιήσεις μεταξύ των τριών συστημάτων που δοκιμάστηκαν.
Παράλληλα, τα συστήματα παρουσίασαν ικανότητα διάκρισης πραγματικά θετικών και αρνητικών αποτελεσμάτων της τάξης του 90%, στοιχείο που ενισχύει το ενδιαφέρον για τη μελλοντική αξιοποίησή τους στον προληπτικό έλεγχο.
Τα ευρήματα δεν σημαίνουν ότι σε όλες αυτές τις περιπτώσεις υπήρχε ένας πλήρως ανεπτυγμένος καρκίνος που είχε διαφύγει από τους γιατρούς. Αυτό που αναγνωρίζει η τεχνητή νοημοσύνη μπορεί να είναι πολύ λεπτές υποκείμενες μεταβολές, οι οποίες από μόνες τους δεν επαρκούν για να οδηγήσουν έναν ακτινολόγο σε ασφαλές συμπέρασμα.
Μπορεί, για παράδειγμα, να πρόκειται για μια μικρή αλλαγή στην αρχιτεκτονική του μαστού ή για μια σταδιακή μεταβολή της πυκνότητάς του. Πρόκειται για χαρακτηριστικά που το ανθρώπινο μάτι ενδέχεται να παρατηρήσει, αλλά δύσκολα μπορεί να τα αξιολογήσει ως σαφή ένδειξη μελλοντικής κακοήθειας.
Η ελληνική συμμετοχή και η εξέλιξη των αλγορίθμων
Κεντρικό ρόλο στην έρευνα είχε ο Έλληνας ακτινολόγος Παντελής Γιαλιάς, ο οποίος πραγματοποίησε τη μελέτη στο πλαίσιο των διδακτορικών σπουδών του στο πανεπιστημιακό νοσοκομείο του Λινσέπινγκ στη Σουηδία. Στην ερευνητική ομάδα συμμετείχε επίσης η Ελληνίδα ερευνήτρια Αποστολία Τσιρίκογλου από το Ινστιτούτο Καρολίνσκα.
Η πρόοδος της AI στην ακτινολογία μέσα σε περίπου μία δεκαετία είναι εντυπωσιακή. Οι πρώτες δοκιμές αντίστοιχων τεχνολογιών πριν από χρόνια δεν είχαν δώσει ιδιαίτερα ικανοποιητικά αποτελέσματα. Έκτοτε, όμως, οι αλγόριθμοι έγιναν πολύ πιο προηγμένοι και η διαθέσιμη υπολογιστική ισχύς αυξήθηκε θεαματικά.
Αυτό επιτρέπει σήμερα στα συστήματα να επεξεργάζονται τεράστιους όγκους απεικονιστικών δεδομένων και να αναζητούν εξαιρετικά σύνθετα μοτίβα, συγκρίνοντας χαρακτηριστικά που θα ήταν πρακτικά αδύνατον να αξιολογηθούν με τον ίδιο τρόπο αποκλειστικά από έναν άνθρωπο.
Προηγούμενη ερευνητική δουλειά είχε δείξει, μάλιστα, ότι η AI μπορεί να μειώσει έως και κατά 34% τον φόρτο εργασίας των ακτινολόγων κατά την αξιολόγηση των μαστογραφιών.
Άλλη μελέτη έδειξε ότι ο συνδυασμός ψηφιακής μαστογραφίας και τεχνητής νοημοσύνης στον προληπτικό έλεγχο θα μπορούσε να αποτελέσει και οικονομικότερη στρατηγική, σε σύγκριση με το παραδοσιακό μοντέλο της ανεξάρτητης αξιολόγησης κάθε εξέτασης από δύο ακτινολόγους.
Όχι αντικατάσταση του γιατρού, αλλά ένα επιπλέον «όπλο»
Η ανάπτυξη της τεχνητής νοημοσύνης στην ιατρική είχε αρχικά προκαλέσει έντονη συζήτηση για το κατά πόσο ορισμένες ειδικότητες, και ιδιαίτερα η ακτινολογία, θα μπορούσαν να επηρεαστούν από την αυτοματοποίηση.
Η εικόνα που διαμορφώνεται σήμερα είναι διαφορετική. Η AI αντιμετωπίζεται περισσότερο ως πρόσθετο διαγνωστικό εργαλείο στα χέρια του ακτινολόγου παρά ως τεχνολογία που μπορεί να αντικαταστήσει τον γιατρό.
Η τελική αξιολόγηση εξακολουθεί να απαιτεί ανθρώπινο έλεγχο, κλινική κρίση και συνεκτίμηση πολλών διαφορετικών παραμέτρων. Οι αλγόριθμοι μπορούν να επισημάνουν μια περιοχή ή ένα μοτίβο που αξίζει μεγαλύτερη προσοχή, αλλά η ιατρική απόφαση δεν μπορεί να στηρίζεται μηχανικά σε μια βαθμολογία που παράγει ένα σύστημα.
Αυτό αποκτά ακόμη μεγαλύτερη σημασία στην απεικόνιση του μαστού, καθώς πρόκειται για ένα ιδιαίτερα σύνθετο όργανο του οποίου η εικόνα μπορεί να μεταβάλλεται ακόμη και στην ίδια γυναίκα, μεταξύ άλλων λόγω ορμονικών αλλαγών.
Το επόμενο βήμα για τον προληπτικό έλεγχο
Το σημαντικότερο ερώτημα πλέον δεν είναι μόνο εάν η AI μπορεί να αναγνωρίσει τα πρώιμα σημάδια, αλλά πώς αυτή η πληροφορία θα μπορούσε να αξιοποιηθεί με ασφάλεια στην καθημερινή ιατρική πρακτική.
Μία πιθανή εφαρμογή θα ήταν η δημιουργία διαφορετικών πρωτοκόλλων παρακολούθησης για γυναίκες στις οποίες οι αλγόριθμοι εντοπίζουν ύποπτες πρώιμες μεταβολές. Αντί όλες οι γυναίκες να ακολουθούν ακριβώς το ίδιο πρόγραμμα, όσες εμφανίζουν αυξημένο κίνδυνο θα μπορούσαν ενδεχομένως να υποβάλλονται συχνότερα ή σε διαφορετικού τύπου προληπτικές εξετάσεις.
Για να περάσει, ωστόσο, μια τέτοια προσέγγιση στην κλινική πρακτική χρειάζονται πρόσθετες και κυρίως προοπτικές μελέτες, ώστε να επιβεβαιωθεί ότι η χρήση των αλγορίθμων βελτιώνει πράγματι την έγκαιρη διάγνωση χωρίς να οδηγεί σε περιττές εξετάσεις ή παρεμβάσεις.
Η έρευνα σχεδιάζεται να συνεχιστεί και σε γυναίκες με ενθέματα σιλικόνης, όπου η απεικόνιση του μαστού παρουσιάζει πρόσθετες δυσκολίες. Το μεγάλο στοίχημα είναι η τεχνητή νοημοσύνη να μετατραπεί από εργαλείο που αναγνωρίζει εκ των υστέρων ένα πρώιμο σήμα σε ένα αξιόπιστο σύστημα που θα βοηθά τον γιατρό να εντοπίζει τον κίνδυνο πολύ πριν από την κλινική εμφάνιση της νόσου.
Διαβάστε ακόμη
Dimand: Τι περιλαμβάνει το masterplan για το ιστορικό κτήμα Καμπά
Για όλες τις υπόλοιπες ειδήσεις της επικαιρότητας μπορείτε να επισκεφθείτε το Πρώτο ΘΕΜΑ