Jednostavno rečeno
Novi računarski alat traži sitne promjene na snimcima gušterače koje bi mogle ukazivati na rak prije nego što ga doktori uoče. U istraživanju je pronašao takve tragove u prosjeku 475 dana prije dijagnoze. Ipak, potrebna su dodatna ispitivanja kako bi se utvrdilo može li se alat sigurno i korisno koristiti u bolnicama.
Rak gušterače teško je otkriti na vrijeme. Može se razvijati bez jasnih simptoma, a prve promjene u tkivu toliko su sitne da ih doktori možda neće primijetiti pri uobičajenom pregledu. Zbog toga su istraživači ispitali može li sistem zasnovan na vještačkoj inteligenciji analizirati CT snimke i prepoznati skrivene obrasce povezane s bolešću, čak i kada radiolozima snimak izgleda uredno.
Zašto je bolest teško otkriti u ranoj fazi?
Istraživanje se bavilo duktalnim adenokarcinomom gušterače, vrstom raka koja nastaje u kanalima gušterače. Jedan od izazova je to što rani znakovi možda nisu očigledni ni pacijentu ni doktoru. U početku može biti malo simptoma ili mogu biti neodređeni, a promjene u tkivu toliko su suptilne da se teško uočavaju na medicinskim snimcima. Kada se pojave jasniji znakovi, bolest je možda već uznapredovala.
Brzo napredovanje ovog raka dodatno naglašava koliko je važno otkriti ga na vrijeme. Pregled koji pokaže bolest tek kada je već jasno vidljiva ne mora doktorima pružiti jednaku mogućnost za djelovanje kao otkrivanje promjena prije kliničke dijagnoze. Zato istraživači traže načine da iskoriste već postojeće snimke i u njima pronađu podatke koji se ne mogu lako prepoznati uobičajenim pregledom.
To ne znači da tradicionalno CT snimanje nije korisno. Izazov je u tome što se neki mogući znakovi ne vide lako golim okom. Na snimku se mogu pojaviti sitne razlike u tkivu gušterače, a da pritom nema jasno vidljive mase ni velike promjene koju bi bilo jednostavno prepoznati. Zato su istraživači pokušali analizirati detalje i obilježja cijelog snimka, umjesto da traže samo očigledan znak bolesti.
Drugačiji način čitanja snimaka gušterače
Istraživači su sistem zasnovan na vještačkoj inteligenciji nazvali REDMOD, što je skraćenica za model ranog otkrivanja zasnovan na radiološkim obilježjima. Ovaj pristup koristi analizu radiomskih obilježja: iz medicinskih snimaka izdvajaju se sitne karakteristike, poput teksture i kontrasta, koje možda nisu vidljive pri uobičajenom pregledu. Sistem zatim na osnovu tih podataka procjenjuje postoje li na snimku pokazatelji povezani s bolešću.
Sistem automatski pronalazi gušteraču i označava njene granice, kako bi je razdvojio od susjednih organa i tkiva. To je važno jer različiti radiolozi mogu različito označiti granice organa, što može unijeti dodatna odstupanja u analizu. Automatizacija omogućava sistemu da na snimcima primijeni isti postupak, a zatim se usmjeri na sitne osobine samog tkiva gušterače.
Sistem, međutim, ne prepoznaje rak na isti način kao doktor kada je na snimku vidljiva jasna masa. Istraživanje ne pokazuje ni da svaki znak koji sistem izdvoji nužno znači da postoji tumor. Ispitivana je sposobnost analize snimaka da prepozna obrasce koji su se pojavili prije dijagnoze kod određene grupe pacijenata. Zato rezultate treba posmatrati kao obećavajuće upozoravajuće znakove, a ne kao dokazanu zamjenu za medicinsku dijagnozu.
Snimci su izgledali uredno prije nego što se bolest pokazala
Istraživanje je obuhvatilo CT snimke abdomena 219 pacijenata liječenih u više bolnica. U vrijeme snimanja iskusni radiolozi nisu uočili znakove raka gušterače. Ipak, kod svih pacijenata bolest je dijagnosticirana kasnije. To je istraživačima omogućilo da pregledaju ranije snimke i ispitaju može li sistem otkriti znakove koji tada nisu bili prepoznati.
Snimci nisu nastali u istom vremenskom periodu prije dijagnoze. Kod 87 pacijenata, odnosno 40% grupe, snimanje je obavljeno od 3 do 12 mjeseci prije dijagnoze. Sljedeću grupu činilo je 76 pacijenata, odnosno 35%, kojima je pregled urađen od 12 do 24 mjeseca prije dijagnoze. Preostalih 56 pacijenata, odnosno 25%, imalo je snimke nastale više od 24 mjeseca ranije, a u nekim slučajevima razmak je iznosio oko tri godine.
Kod gotovo dvije trećine pacijenata, tačnije njih 64%, rak je nastao u glavi gušterače. Taj podatak opisuje položaj tumora u ispitivanoj grupi, ali ne znači da se rezultati sistema nužno mogu primijeniti na sve dijelove organa ili na sve pacijente. Različito vrijeme između snimanja i dijagnoze omogućilo je istraživačima i da provjere može li alat pronaći znakove bolesti kroz različite vremenske periode.
Za poređenje su istraživači koristili snimke 1243 osobe kojima rak gušterače nije dijagnosticiran tokom perioda praćenja od najviše tri godine nakon snimanja. Uporedna grupa usklađena je s grupom pacijenata prema dobi, spolu i datumima pregleda, kako bi poređenje bilo što ujednačenije. Prosječna dob pacijenata s rakom bila je 69 godina, a imali su od 34 do 88 godina. U uporednoj grupi prosječna dob iznosila je 64 godine, uz sličan raspon od 34 do 88 godina.
Znakovi su se pojavili u prosjeku 475 dana prije dijagnoze
Analizirajući snimke nastale prije dijagnoze, REDMOD je prepoznao radiološka obilježja koja su kasnije bila povezana s rakom gušterače. Od prepoznavanja tih znakova do kliničke dijagnoze u prosjeku je prošlo 475 dana. Drugim riječima, sistem je uočio obrasce na snimcima koji su smatrani snimcima bez jasnih znakova raka, prije nego što su pacijenti dobili dijagnozu.
Ovaj vremenski razmak mogao bi biti važan jer bi, ako buduća istraživanja pokažu da se znakovi mogu koristiti u kliničkoj praksi, doktori imali više vremena da dodatno provjere slučajeve koji pobuđuju sumnju. Istraživači smatraju da otkrivanje bolesti dok je još lokalizirana ili u ranoj fazi može povećati mogućnost liječenja i preživljavanja. Naveli su i modele prema kojima bi povećanje udjela lokaliziranih tumora s 10% na 50% moglo dovesti do više nego dvostruko veće stope preživljavanja. To je rezultat modeliranja, a ne ishod kliničkog ispitivanja provedenog u okviru istraživanja REDMOD.
Važno je razlikovati prepoznavanje obrasca na starom snimku od dokaza da će ranije djelovanje na osnovu tog obrasca zaista poboljšati zdravstveni ishod. Istraživanje poredi rezultate analize snimaka s onim što se kasnije dogodilo pacijentima, ali samo po sebi ne dokazuje da bi upotreba sistema za rano otkrivanje promijenila tok bolesti ili produžila život pacijenata. Da bi se to utvrdilo, alat treba ispitati u stvarnim uslovima zdravstvene zaštite i pratiti kako odluke o pregledima i liječenju utiču na pacijente.
U istraživanju je bio uspješniji od radiologa pri očitavanju snimaka
Osjetljivost sistema iznosila je 73%, dok je kod radiologa koji su pregledali snimke bila 39%. Osjetljivost pokazuje koliko dobro metoda prepoznaje osobe koje zaista imaju bolest, umjesto da propusti oboljele. U grupi snimaka analiziranoj u istraživanju sistem je, dakle, uspješnije prepoznao slučajeve kod kojih je rak dijagnosticiran kasnije.
Razlika je bila još veća kod snimaka napravljenih više od dvije godine prije dijagnoze. U toj grupi sistem je prepoznao znakove bolesti u 68% slučajeva, dok su ih radiolozi uočili u 23% slučajeva. Ovaj rezultat upućuje na to da bi računarska analiza mogla biti posebno korisna kada su znakovi vremenski udaljeni od dijagnoze. Ipak, riječ je o nalazu iz ispitivane grupe, a ne o garanciji da će sistem jednako dobro raditi u svakoj bolnici ili kod svih grupa pacijenata.
Istraživači nisu procjenjivali samo koliko uspješno sistem prepoznaje snimke pacijenata kojima je kasnije dijagnosticirana bolest. Testirali su ga i na nezavisnoj grupi od 539 pacijenata iz više bolnica. Nešto više od 81% snimaka iz te grupe sistem je označio kao snimke bez raka. Provjeren je i na skupu podataka koji je istraživačima dostupan preko američkih Nacionalnih instituta za zdravlje, poznatom kao NIH-PCT, a koji je obuhvatio 80 osoba. Sistem je 87,5% snimaka iz tog skupa označio kao snimke bez raka gušterače.
Ove mjere nisu isto što i osjetljivost, pa rezultate ne treba svesti na jedan broj niti pretpostaviti da svi opisuju isti dio rada sistema. Osjetljivost se odnosi na prepoznavanje bolesti kod oboljelih, dok rezultati dobijeni na grupama bez raka pokazuju koliko uspješno sistem označava snimke koji ne upućuju na bolest. Za praktičnu upotrebu važno je razumjeti obje vrste rezultata jer propušten slučaj i pogrešno upozorenje mogu voditi do različitih medicinskih odluka.
Jesu li se znakovi ponavljali tokom vremena?
Istraživači su provjerili i koliko su rezultati stabilni kada postoje ponovljeni snimci iste osobe. Kada su uporedili preglede obavljene u razmaku od nekoliko mjeseci, sistem je dao usklađene rezultate u 90 do 92% slučajeva. To ukazuje na mogućnost da analiza prepoznaje postojan obrazac, a ne samo prolaznu razliku između dva snimka.
Ipak, podudarnost rezultata ponovljenih pregleda nije dovoljna da se dokaže kako svaki postojan obrazac predstavlja pouzdan znak raka. Ona pruža dodatni dokaz da sistem daje ujednačene rezultate, ali ostaje važnije pitanje: mogu li ti obrasci tačno predvidjeti bolest kod osoba koje se pregledaju prije nego što se zna kako će se razvijati njihovo zdravstveno stanje? Da bi se na to pitanje odgovorilo, potrebno je unaprijed planirati praćenje, a ne oslanjati se samo na analizu snimaka osoba za koje se naknadno saznalo da su oboljele.
Šta još treba uraditi prije primjene u bolnicama?
Uprkos ohrabrujućim razlikama koje su uočene u istraživanju, istraživači nisu preporučili da se sistem odmah uvede u redovnu zdravstvenu praksu. Kao jedno od ograničenja naveli su da učesnici nisu dovoljno raznovrsni po etničkom porijeklu. To je važno pri procjeni medicinskog alata jer se njegova uspješnost može razlikovati među grupama stanovništva. Zato se ne može pretpostaviti da će rezultati dobijeni na jednoj grupi automatski važiti za sve.
U budućim istraživanjima sistem bi trebalo ispitivati prije nego što se sazna konačna dijagnoza, i to na grupama pacijenata koje se prate prema unaprijed utvrđenom planu. Posebno je važno provjeriti ga kod osoba s većim rizikom, među kojima su ljudi s neobjašnjivim gubitkom težine i oni kojima je nedavno dijagnosticiran dijabetes. Navođenje ovih grupa ne znači da svaka osoba s nekim od tih znakova ima rak. Istraživači smatraju da su to grupe koje vrijedi uključiti u procjenu koristi od ranog otkrivanja.
Treba utvrditi i kako bi se rezultat sistema koristio pri donošenju medicinskih odluka. Da li bi doveo do dodatnih pregleda? Kako bi se provjeravali slučajevi na koje sistem upozori? Koliki stepen pouzdanosti bi bio potreban prije nego što se preduzme sljedeći korak? Istraživanje nije odgovorilo na ta pitanja. Osim toga, uspješnost programa na određenom skupu snimaka sama po sebi ne pokazuje kako bi njegovo uvođenje uticalo na svakodnevni rad zdravstvenih ustanova niti kako bi se rezultati mijenjali s različitim uređajima i načinima prikupljanja podataka.
Zato je REDMOD i dalje alat koji se ispituje, a ne gotov test koji može zamijeniti radiologa. Mogao bi pomoći doktorima da ponovo pregledaju snimke na kojima je teško uočiti sitne detalje, ali njegovu stvarnu korist treba provjeriti direktnim ispitivanjem na raznovrsnim grupama. U njih treba uključiti i osobe kod kojih na početku praćenja nisu pronađeni pouzdani znakovi raka.
Zaključak
Rezultati istraživanja REDMOD pokazuju da analiza sitnih detalja na CT snimcima može otkriti obrasce povezane s rakom gušterače u prosjeku 475 dana prije kliničke dijagnoze. Među snimcima 219 pacijenata kojima je bolest dijagnosticirana kasnije, osjetljivost sistema iznosila je 73%, u poređenju s 39% kod radiologa. Kod slučajeva u kojima je dijagnoza uslijedila više od dvije godine nakon snimanja, sistem je prepoznao znakove u 68% slučajeva, a radiolozi u 23%. Sistem je kao snimke bez raka označio više od 81% snimaka iz grupe od 539 osoba, odnosno 87,5% snimaka iz grupe NIH-PCT od 80 osoba. Kada su upoređeni ponovljeni snimci istih pacijenata, rezultati su bili usklađeni u 90 do 92% slučajeva.
Ovi brojevi ipak ne znače da je tehnologija spremna za redovnu upotrebu. Potrebna su buduća ispitivanja koja će unaprijed pratiti raznovrsnije grupe, posebno osobe s većim rizikom, uključujući one s neobjašnjivim gubitkom težine ili nedavno dijagnosticiranim dijabetesom. Ako se pokaže da su znakovi pouzdani i da zaista pomažu u ranijem otkrivanju bolesti, ovaj pristup mogao bi pomoći da se ranije posveti pažnja raku koji je teško otkriti u početnoj fazi. Za sada je riječ o obećavajućem istraživačkom koraku kojem je potrebno još provjera prije nego što postane dio medicinske prakse.