Sztuczna inteligencja przewiduje raka jelita grubego – i to nie dzięki nowym badaniom obrazowym, lecz poprzez analizę już istniejącej dokumentacji medycznej. Co istotne, nowe badanie opublikowane w Clinical Gastroenterology and Hepatology pokazuje, że algorytmy AI potrafią z dużą precyzją ocenić ryzyko rozwoju nowotworu u pacjentów z wrzodziejącym zapaleniem jelita grubego (WZJG), u których rozpoznano dysplazję małego stopnia (LGD). Tym samym otwiera się droga do bardziej spersonalizowanego nadzoru i trafniejszych decyzji klinicznych.
WZJG i dysplazja małego stopnia – dlaczego to trudny problem?
Wrzodziejące zapalenie jelita grubego wiąże się z przewlekłym stanem zapalnym błony śluzowej okrężnicy. W konsekwencji pacjenci należą do grupy podwyższonego ryzyka raka jelita grubego – nawet czterokrotnie wyższego niż populacja ogólna.
Jednak sama obecność dysplazji małego stopnia nie oznacza automatycznie rozwoju nowotworu. Z jednej strony jest to sygnał ostrzegawczy, z drugiej natomiast tylko część pacjentów rzeczywiście zachoruje na raka. Właśnie dlatego decyzje terapeutyczne są tak trudne.
W praktyce lekarze muszą zdecydować, czy kontynuować ścisły nadzór endoskopowy, czy też rozważyć profilaktyczną kolektomię. Tymczasem brak precyzyjnych narzędzi prognostycznych powoduje, że ocena ryzyka bywa w dużej mierze jakościowa i oparta na doświadczeniu klinicznym.
Równie ważna jest aktywność i wsparcie terapii ruchem. Profesjonalna fizjoterapia Poznań wspiera organizm w walce ze stanem zapalnym, poprawia wydolność i pomaga szybciej wrócić do formy po leczeniu czy zaostrzeniach choroby.
AI analizuje 55 tysięcy dokumentacji medycznych
W odpowiedzi na ten problem naukowcy z Uniwersytetu Kalifornijskiego w San Diego opracowali zautomatyzowany system oparty na sztucznej inteligencji. System ten przeanalizował dokumentację 55 000 pacjentów w ramach amerykańskiego systemu opieki zdrowotnej VA. Co więcej, był to jeden z największych zbiorów danych tego typu.
Algorytm przetwarzał raporty z kolonoskopii, opisy patomorfologiczne oraz szczegółowe notatki kliniczne lekarzy. Co istotne, wykorzystano duże modele językowe (LLM), które potrafią analizować nieustrukturyzowany tekst i wydobywać z niego konkretne czynniki ryzyka.
W rezultacie sztuczna inteligencja przewiduje raka jelita grubego na podstawie samych opisów medycznych, bez konieczności zlecania dodatkowych badań. Dzięki temu rozwiązanie może zostać wdrożone stosunkowo szybko w praktyce klinicznej.
Pięć kategorii ryzyka – większa precyzja decyzji
Po połączeniu analizy AI z modelami biostatystycznymi pacjentów przypisano do pięciu kategorii ryzyka. Uwzględniono przy tym cztery kluczowe czynniki: rozmiar dysplazji, jakość resekcji, liczbę ognisk oraz nasilenie stanu zapalnego.
Co więcej, model wykazał wysoką zgodność z rzeczywistymi wynikami klinicznymi w obserwacji trwającej ponad dziesięć lat. Szczególnie istotne było to, że niemal połowa pacjentów została zaklasyfikowana do grupy najniższego ryzyka. Co istotne, aż około 99 proc. z nich nie rozwinęło raka w ciągu dwóch lat.
W konsekwencji oznacza to realną możliwość uniknięcia nadmiernie agresywnego leczenia chirurgicznego u dużej części chorych. Jednocześnie osoby z wysokim ryzykiem mogą zostać objęte intensywniejszym nadzorem.
Regularne kontrole zdrowia mają znaczenie także w profilaktyce chorób przewlekłych. Doświadczony stomatolog Poznań pomoże zadbać o zdrowie jamy ustnej, które – jak pokazują badania – może wpływać na ogólnoustrojowy stan zapalny i kondycję całego organizmu.
Od subiektywnej oceny do liczbowego wyniku
Dotychczas proces doradzania pacjentom opierał się głównie na subiektywnej interpretacji czynników ryzyka. Owszem, lekarze dysponowali listą zmiennych klinicznych, jednak brakowało narzędzia, które przeliczałoby je na konkretny wynik liczbowy.
Nowy system to zmienia. W praktyce oznacza to bardziej obiektywną komunikację z pacjentem oraz precyzyjniejsze planowanie dalszego postępowania. Ponadto możliwe staje się wcześniejsze identyfikowanie osób wymagających interwencji chirurgicznej.
Dzięki temu ograniczyć można zarówno opóźnienia diagnostyczne, jak i niepotrzebne zabiegi. A to ma kluczowe znaczenie dla jakości opieki i racjonalnego wykorzystania zasobów systemu ochrony zdrowia.
Integracja AI z rutynową praktyką
Jedną z największych zalet rozwiązania jest to, że nie wymaga ono dodatkowych badań. Zamiast tego analizuje dane już zawarte w dokumentacji medycznej. Dlatego integracja z istniejącymi systemami informatycznymi może być stosunkowo prosta.
Kolejne etapy obejmują walidację modelu w innych populacjach oraz rozszerzenie go o dane genomowe. Ponieważ wiemy, że genetyka odgrywa istotną rolę w rozwoju raka, połączenie informacji klinicznych i molekularnych może jeszcze bardziej zwiększyć trafność prognoz.
Przeczytaj także: Powikłania po infekcji grypowej – zawał i udar częstsze niż myślisz
Znaczenie dla medycyny precyzyjnej
Sztuczna inteligencja przewiduje raka jelita grubego w sposób, który wpisuje się w rozwój medycyny precyzyjnej. Zamiast podejmować decyzje na podstawie ogólnych statystyk, możliwe staje się indywidualne oszacowanie ryzyka dla konkretnego pacjenta.
Co więcej, analiza nieustrukturyzowanych notatek klinicznych pokazuje, że ogromna część cennych danych już znajduje się w systemach medycznych – trzeba je tylko odpowiednio przetworzyć.
W rezultacie AI może pomóc ograniczyć zarówno nadmierne interwencje chirurgiczne, jak i opóźnienia w diagnostyce nowotworów. Tym samym staje się narzędziem realnie wspierającym lekarzy w codziennej praktyce.
Leave a Reply