Ένα νέο εργαλείο ΑΙ συνδυάζει για πρώτη φορά μοτίβα καρκινικών και μη καρκινικών κυττάρων στο διηθητικό καρκίνο του μαστού και απαλλάσσει τις ασθενείς από περιττές χημειοθεραπείες, καθώς προβλέπει με μεγάλη ακρίβεια τα αποτελέσματα που θα προσφέρουν.
Το νέο εργαλείο, όπως με λεπτομέρεια περιγράφεται σε νέα μελέτη της Northwestern Medicine, της Ιατρικής Σχολής του Πανεπιστημίου Northwestern του Σικάγο, αξιολογεί με μεγάλη εγκυρότητα την κατάσταση της υγείας των ασθενών με διηθητικό καρκίνο του μαστού και προβλέπει με αντίστοιχη εγκυρότητα τη μελλοντική πορεία της νόσου των ασθενών.
Σύμφωνα με την έρευνα, το νέο εργαλείο τεχνητής νοημοσύνης κατάφερε να ταυτοποιήσει τις μακροπρόθεσμα επιζώντες ασθενείς με καρκίνο του μαστού, παρόλο που τη στιγμή που αξιολογήθηκαν ανήκαν στην κατηγορία ασθενών μέσου ή υψηλού κινδύνου. Πως θα μπορούσαν να έχουν ωφεληθεί αυτές οι ασθενείς από το νέο εργαλείο; Οι θεράποντες ιατροί θα γνώριζαν ποια θα ήταν η ανταπόκριση των ασθενών στα χημειοθεραπευτικά σχήματα και θα τα προσάρμοζαν ανάλογα. Αυτό σημαίνει ότι για κάποιες ασθενείς η διάρκεια ή η ένταση της χημειοθεραπείας τους θα μπορούσε να ήταν μικρότερη και ως εκ τούτου οι δυσάρεστες και επιβλαβείς παρενέργειες της ηπιότερες ή ανύπαρκτες.
Μέχρι σήμερα, οι ειδικοί αξιολογούν τα καρκινικά κύτταρα στους ιστούς των ασθενών για να καθορίσουν τη θεραπεία τους. Όμως, όπως έδειξε η μελέτη, εξίσου σημαντικά είναι και τα μοτίβα των μη καρκινικών κυττάρων.
«Η μελέτη μας καταδεικνύει τη σπουδαιότητα των μη καρκινικών κυττάρων στην πρόγνωση του καρκίνου του μαστού. Αν και αυτό το γνωρίζαμε από προηγούμενες βιολογικές μελέτες, τώρα είναι η πρώτη φορά που η γνώση συνεισφέρει στην κλινική πράξη», σημειώνει ο Lee Cooper, αναπληρωτής καθηγητής παθολογίας στο Northwestern University Feinberg School of Medicine και συγγραφέας της μελέτης.
Ο Cooper και οι συνεργάτες του κατασκεύασαν ένα μοντέλο τεχνητής νοημοσύνης που αξιολογεί με ψηφιακές εικόνες την προσβεβλημένη από καρκίνο περιοχή του μαστού και μετρά την εμφάνιση τόσο των καρκινικών όσο και των μη καρκινικών κυττάρων, καθώς και τις αλληλεπιδράσεις μεταξύ τους.
Αυτά τα μοτίβα είναι δύσκολο να κατηγοριοποιηθούν αξιόπιστα από το ανθρώπινο μάτι. Το σύστημα AI αναλύει 26 διαφορετικές ιδιότητες των ιστών του μαστού μιας ασθενούς για να δημιουργήσει μια συνολική προγνωστική βαθμολογία.
Το σύστημα δημιουργεί επίσης μεμονωμένες βαθμολογίες για τον καρκίνο, το ανοσοποιητικό και τα στρωματικά κύτταρα για να αιτιολογήσει τη συνολική βαθμολογία.
Για παράδειγμα, σε ορισμένους ασθενείς, μια ευνοϊκή βαθμολογία πρόγνωσης μπορεί να οφείλεται στις ιδιότητες των κυττάρων του ανοσοποιητικού τους, ενώ σε άλλους μπορεί να οφείλεται στις ιδιότητες των καρκινικών τους κυττάρων.
Αυτές οι πληροφορίες θα μπορούσαν να χρησιμοποιηθούν από τη θεραπευτική ομάδα μιας ασθενούς για τη δημιουργία ενός εξατομικευμένου πλάνου θεραπείας. Η υιοθέτηση του νέου μοντέλου θα μπορούσε να παρέχει στους ασθενείς που έχουν διαγνωστεί με καρκίνο του μαστού μια πιο ακριβή εκτίμηση του κινδύνου που σχετίζεται με την ασθένειά τους, δίνοντάς τους τη δυνατότητα να λαμβάνουν τεκμηριωμένες αποφάσεις σχετικά με τη θεραπευτική τους φροντιδα, είπε ο Cooper.
Επιπλέον, αυτό το μοντέλο μπορεί να βοηθήσει στην αξιολόγηση της θεραπευτικής ανταπόκρισης, επιτρέποντας την κλιμάκωση ή την αποκλιμάκωση της θεραπείας ανάλογα με το πώς αλλάζει η μικροσκοπική εμφάνιση των ιστών με την πάροδο του χρόνου.
Για παράδειγμα, το εργαλείο μπορεί να είναι σε θέση να αναγνωρίσει την αποτελεσματικότητα του ανοσοποιητικού συστήματος ενός ασθενούς στη στόχευση του καρκίνου κατά τη διάρκεια της χημειοθεραπείας, η οποία θα μπορούσε να χρησιμοποιηθεί για τη μείωση της διάρκειας ή της έντασης της χημειοθεραπείας.
Η μελέτη διεξήχθη σε συνεργασία με την Αμερικανική Εταιρεία Καρκίνου (ACS), η οποία δημιούργησε ένα μοναδικό σύνολο δεδομένων ασθενών με καρκίνο του μαστού μέσω των Μελετών Πρόληψης Καρκίνου τους. Σε αυτή τη συνεργασία, η Northwestern ανέπτυξε το λογισμικό AI, ενώ επιστήμονες στο ACS και το Εθνικό Ινστιτούτο Καρκίνου παρείχαν τεχνογνωσία στην επιδημιολογία του καρκίνου του μαστού και στα κλινικά αποτελέσματα.
Στη συνέχεια, οι επιστήμονες θα αξιολογήσουν προοπτικά αυτό το μοντέλο για να το επικυρώσουν για κλινική χρήση. Άλλος ένας στόχος είναι η ανάπτυξη μοντέλων για πιο συγκεκριμένους τύπους καρκίνου του μαστού, όπως τριπλά αρνητικούς ή θετικούς σε HER2. Ο διηθητικός καρκίνος του μαστού περιλαμβάνει πολλές διαφορετικές κατηγορίες και τα σημαντικά μοτίβα των ιστών μπορεί να διαφέρουν μεταξύ αυτών των κατηγοριών.