Operacijos metu atliekamų skubių histologinių tyrimų dirbtinio intelekto sistema CRISP realiomis sąlygomis padėjo priimti chirurginius sprendimus ir sumažino patologų darbo krūvį. „Nature Medicine“ paskelbtame tyrime modelis buvo mokytas naudojant daugiau kaip 100 tūkst. šaldytų audinių pjūvių, o perspektyviai įvertintas daugiau kaip 3 tūkst. pacientų grupėje.
Kodėl operacinė patologija sudėtinga?
Chirurgui neretai reikia atsakymo dar nepasibaigus operacijai: ar darinys piktybinis, ar pašalinto audinio kraštai švarūs, ar limfmazgyje yra metastazių, ar operacijos apimtį reikia plėsti. Patologas tuomet vertina greitai užšaldyto audinio pjūvį. Atsakymas turi būti pateiktas per trumpą laiką, tačiau šaldymo artefaktai ir ribotas mėginio kiekis apsunkina interpretaciją.
Galutiniai parafininiai preparatai paprastai būna kokybiškesni, bet jų paruošimas trunka gerokai ilgiau. Todėl operacijos metu svarbus kompromisas tarp greičio ir tikslumo. Patyrusių patologų trūkumas, ypač mažesnėse ligoninėse, šią problemą dar labiau išryškina.
Kaip buvo sukurtas CRISP?
CRISP pavadinimas reiškia kliniškai orientuotą ir atsparią pagalbą operacinei patologijai. Modelis apmokytas daugiau kaip 100 tūkst. šaldytų pjūvių iš dešimties medicinos centrų. Vėliau jis vertintas daugiau kaip 15 tūkst. operacinių preparatų ir beveik šimte retrospektyvių diagnostinių užduočių: nuo gerybinių ir piktybinių pažeidimų atskyrimo iki įvairių navikų bei sprendimui svarbių požymių atpažinimo.
Autoriai pabrėžia, kad sistema buvo tikrinama ne vien vienoje ligoninėje ar vieno organo navikams. Ji vertinta šešiose institucijose, apėmė 14 navikų tipų ir 24 anatomines sritis, taip pat anksčiau modelio nematytas sritis bei retus vėžius. Toks platus išorinis vertinimas yra svarbus, nes histologinių preparatų spalva, kokybė ir paruošimo įpročiai skirtingose laboratorijose gali skirtis.
Ką parodė perspektyvus tyrimas?
Daugiau kaip 3 tūkst. pacientų perspektyvioje grupėje CRISP išlaikė aukštą diagnostinį tikslumą realiame darbo sraute. Tyrėjų teigimu, sistemos pateikta informacija galėjo tiesiogiai prisidėti prie chirurginio sprendimo 92,6 proc. vertintų atvejų. Tai nereiškia, kad algoritmas savarankiškai sprendė, ką daryti – galutinį vertinimą atliko specialistai.
Žmogaus ir DI bendradarbiavimas sumažino diagnostinį darbo krūvį maždaug 35 proc. bei padėjo išvengti 105 papildomų tyrimų. Mikrometastazių atpažinimo tikslumas siekė 87,5 proc. Šios mažos navikinių ląstelių sankaupos gali būti lengvai praleistos skubiai vertinant didelį audinio plotą, todėl automatinis dėmesio nukreipimas į įtartinas vietas gali turėti praktinės vertės.
Kaip galėtų atrodyti darbo eiga?
Audinys operacijos metu greitai užšaldomas, supjaustomas, nudažomas ir nuskenuojamas. Algoritmas peržiūri skaitmeninį vaizdą, pažymi tikėtinas naviko sritis ir pateikia pagalbinį vertinimą. Patologas palygina šiuos signalus su visu preparatu, klinikine informacija ir savo išvada. Tik tada chirurgui perduodamas atsakymas, nuo kurio gali priklausyti rezekcijos kraštų platinimas, papildomų limfmazgių šalinimas ar operacijos užbaigimas.
Tokioje schemoje DI neturėtų tapti nematomu automatiniu filtru. Gydytojas turi galėti patikrinti pažymėtą vietą ir atmesti modelio klaidą. Svarbu registruoti nesutapimus tarp algoritmo, operacinės išvados ir galutinio parafininio preparato, nes būtent tokia nuolatinė kokybės kontrolė parodytų, ar sistemos veikimas laikui bėgant išlieka stabilus.
Kokia nauda chirurgui ir patologui?
Tokia sistema galėtų veikti kaip antrasis skaitytojas: greitai peržiūrėti visą skaitmenintą preparatą, pažymėti įtartinas sritis ir pateikti tikimybinį vertinimą. Patologas galėtų daugiau laiko skirti sudėtingiems atvejams, o chirurgas greičiau gautų sprendimui reikalingą informaciją. Ypač perspektyvus modelio gebėjimas prisitaikyti prie kelių navikų tipų, nes atskiras algoritmas kiekvienam organui būtų sunkiau diegiamas.
Ribos, kurių negalima pamiršti
Nors rezultatai įspūdingi, tai dar nėra įrodymas, kad sistemą galima nekontroliuojamai perkelti į bet kurią ligoninę. Didžioji duomenų dalis surinkta vienos šalies centruose, todėl būtinas nepriklausomas tarptautinis patvirtinimas. Reikia įvertinti skaitytuvų, dažymo protokolų, retų navikų ir skirtingos specialistų patirties poveikį.
Taip pat būtina aiškiai apibrėžti atsakomybę klaidos atveju, stebėti modelio veikimą po įdiegimo ir užtikrinti, kad gydytojas matytų ne vien galutinę išvadą, bet ir jos pagrindą. Operacijos metu klaidingai teigiamas ar klaidingai neigiamas atsakymas gali iš karto pakeisti chirurgijos apimtį.
Praktiniam diegimui reikalinga ir techninė infrastruktūra: greitas preparatų skenavimas, patikimas duomenų perdavimas, suderinamumas su laboratorijos informacine sistema ir atsarginis darbo planas sutrikus ryšiui. Ligoninei taip pat tektų iš anksto nusistatyti, kurioms operacijoms DI pagalba naudojama ir kada būtina papildoma specialisto konsultacija.
Šiuo etapu CRISP geriausia vertinti kaip perspektyvią pagalbinę sistemą, o ne autonominį patologą. Tyrimas svarbus tuo, kad DI buvo tikrintas ne vien retrospektyviuose archyvuose, bet ir tikrame klinikiniame darbo sraute – būtent tokie duomenys reikalingi prieš platesnį technologijos diegimą.
Tolesni tyrimai turėtų parodyti ne tik diagnostinį tikslumą, bet ir poveikį operacijos trukmei, pakartotinių operacijų dažniui, komplikacijoms bei paciento ilgalaikėms baigtims. Taip pat reikės palyginti, ar didžiausią naudą gauna didelės apimties centrai, ar ligoninės, kuriose specializuoto patologo konsultacija operacijos metu sunkiau prieinama.