2 stycznia 2025 r. w „Nature Medicine”, jednym z najbardziej prestiżowych czasopism naukowych, opublikowano artykuł „International multicenter validation of AI-driven ultrasound detection of ovarian cancer” (Międzynarodowa wieloośrodkowa walidacja wykrywania raka jajnika za pomocą ultradźwięków sterowanych sztuczną inteligencją), którego współautorem jest prof. dr hab. n. med. Artur Czekierdowski z I Katedry i Kliniki Ginekologii Onkologicznej i Ginekologii Uniwersytetu Medycznego w Lublinie.
Szwedzki uniwersytet medyczny Instytut Karolinska, którego komitet naukowy przyznaje m.in. Nagrody Nobla w dziedzinie fizjologii lub medycyny, zaprosił naukowców z 20. klinik w ośmiu krajach do współpracy w zakresie prac badawczych na temat wykorzystania sztucznej inteligencji (AI) w diagnozowaniu raka jajnika. Jednym z współautorów badań jest prof. dr hab. Artur Czekierdowski wraz Kliniką Ginekologii Onkologicznej i Ginekologii. Wnioski międzynarodowych prac pokazują, że modele predykcyjne oparte na sztucznej inteligencji mogą przewyższać zdolności prognostyczne uzyskiwane przez ekspertów w identyfikacji raka jajnika na obrazach ultrasonograficznych. Wyniki pionierskich badań zostały właśnie opublikowane w magazynie „Nature Medicine” (wskaźnik IF=58).
– Nowotwory jajnika u kobiet są powszechne i ze względu na typowy brak objawów we wczesnych fazach choroby często są wykrywane przez przypadek. W wielu częściach świata występuje poważny niedobór ekspertów w dziedzinie ultrasonografii ginekologicznej, co w przypadkach nieprawidłowej diagnozy guza jajnika budzi obawy nie tylko o niepotrzebne interwencje chirurgiczne, ale też i o opóźnione rozpoznanie przypadków chorych na raka jajnika. Dlatego chcieliśmy dowiedzieć się, czy sztuczna inteligencja może uzupełnić lub nawet poprawić wyniki oceny guza przez ekspertów – mówi prof. Elisabeth Epstein z Instytutu Karolinska w Sztokholmie, kierownik międzynarodowej grupy badawczej.
Naukowcy zweryfikowali modele sieci neuronowych zdolne do różnicowania niezłośliwych i złośliwych zmian w jajnikach. Wybrane metody przetestowano na ponad 17 000 obrazów ultrasonograficznych uzyskanych od 3 652 pacjentek z guzami jajnika. Następnie porównano zdolności diagnostyczne modeli sztucznej inteligencji z diagnozą postawioną przez grupę ekspertów ginekologów oraz (co jest – jak podkreśla prof. Czekierdowski – nowatorskim posunięciem) przez mniej doświadczonych w ultrasonografii ginekologicznej lekarzy. Wyniki wieloośrodkowych badań wskazują, że modele AI przewyższały zdolności prognostyczne uzyskane zarówno przez ekspertów, jak i lekarzy niebędących ekspertami w identyfikowaniu przypadków raka jajnika.
Prof. Artur Czekierdowski wskazuje, że najnowsze wyniki badań opublikowane w prestiżowym czasopiśmie „Nature Medicine” są pierwszą na świecie kompleksową oceną, która weryfikuje potencjał modeli sztucznej inteligencji w diagnostyce obrazowej guzów jajnika. – Metody sztucznej inteligencji mogą potencjalnie zwiększyć wartości prognostyczne różnych badań obrazowych, co w efekcie może mieć istotny wpływ na poprawę wyników diagnostyki. Pomimo że obecna technologia AI nie jest jeszcze w stanie zastąpić wiedzy i doświadczenia lekarzy, to jednak może już być wykorzystywana jako metoda pomocnicza. Posiadanie „drugiej opinii” uzyskanej w wyniku zastosowania metod AI może być pomocne szczególnie w krytycznych i trudnych przypadkach. Sztuczna inteligencja wskazuje lekarzom ilościowe cechy obrazów inne niż cechy jakościowe, umożliwiając bardziej kompleksową ocenę obrazów. Metody głębokiego uczenia mogą zidentyfikować niewidoczne nawet dla eksperta cechy obrazu reprezentatywne dla guzów złośliwych i zlokalizować znacznie subtelniejsze elementy obrazu, które są poza możliwościami wykrycia wzrokowego. (…) Zastosowanie metod głębokiego uczenia, a w szczególności konwolucjonalnych sieci neuronowych, wykazało znaczny potencjał w poprawie prognozowania typu guza jajnika. Wyniki badań klinicznych wskazują na wysokie wartości metod AI dla typowych parametrów prognostycznych, takich jak: dokładność, czułość i swoistość tych technik. Modele oparte na głębokim uczeniu wykorzystywane w różnych metodach obrazowania medycznego generalnie przewyższają tradycyjne sposoby interpretacji obrazów medycznych. Niektóre z nich przewyższyły nawet wyniki diagnostyczne ekspertów radiologów w wykrywaniu raka.
Autorzy omawianego artykułu prowadzą obecnie prospektywne badania kliniczne mające na celu ocenę codziennego bezpieczeństwa klinicznego i praktycznej przydatności narzędzi AI. – Wprowadzanie zweryfikowanych klinicznie nowych algorytmów opartych o głębokie uczenie może znacząco wpłynąć na wczesne wykrywanie i diagnozowanie chorych na raka jajnika, ostatecznie prowadząc do poprawy wyników leczenia tych pacjentek – dodaje prof. Czekierdowski.
