Dirbtinio intelekto sistema EAGLE parodė, kad stemplės vėžio ir ikivėžinių pakitimų požymių galima ieškoti įprastose krūtinės ląstos kompiuterinės tomografijos nuotraukose, atliktose be kontrastinės medžiagos. Tarptautinis tyrimas apėmė daugiau kaip 80 tūkst. žmonių iš 12 centrų trijose šalyse ir siūlo naują būdą panaudoti jau atliekamus tyrimus ankstyvesnei atrankai.
Kodėl stemplės vėžį sunku pastebėti KT?
Stemplė yra tuščiaviduris, judantis organas, kuris tyrimo metu gali būti subliuškęs. Ankstyvi navikai ir aukšto laipsnio intraepitelinė neoplazija dažnai yra nedideli, todėl nekontrastinėje krūtinės ląstos KT jie radiologui gali būti beveik nepastebimi. Patikimiausias diagnostikos metodas tebėra endoskopija, tačiau invazinis tyrimas nėra tinkamas masiniam visų besimptomių žmonių tikrinimui.
EAGLE – tai modelis, analizuojantis nekontrastines KT nuotraukas ir pažymintis pacientus, kuriems gali būti piktybinis ar ikivėžinis stemplės pažeidimas. Sistema pateikia ne tik teigiamą ar neigiamą rezultatą, bet ir pažeidimo tikimybės žemėlapį bei segmentaciją, kad gydytojas galėtų įvertinti, kur modelis mato įtartiną sritį.
Kaip buvo kuriama ir tikrinama sistema?
Modelis apmokytas naudojant 6 813 pacientų duomenis iš dviejų centrų. Į rinkinį įtraukti aukšto laipsnio ikivėžiniai pakitimai, pirmos ir vėlesnių stadijų stemplės vėžys bei kontroliniai atvejai. Vėliau EAGLE tikrintas skirtingomis sąlygomis: įprastose nekontrastinėse KT, mažos dozės plaučių patikros KT, realioje ligoninių praktikoje ir grupėse, kuriose pacientams buvo atlikta tiek KT, tiek endoskopija.
Aštuonių išorinių centrų 11 466 pacientų imtyje sistemos specifiškumas siekė 98,5 proc., o jautrumas stemplės vėžiui – apie 90 proc. Ikivėžiniams pakitimams jautrumas buvo mažesnis – 52,5 proc. Tai reiškia, kad sistema nėra pakankama savarankiškai atmesti ligą, tačiau gali padėti iš didelės populiacijos atrinkti žmones, kuriems verta atlikti endoskopiją.
Rezultatai realiomis sąlygomis
Modelio kalibravimas 35 402 žmonių realioje imtyje sumažino klaidingai teigiamų rezultatų skaičių 72,7 proc., iš esmės išsaugant jautrumą. Perspektyvioje ligoninės patikroje EAGLE-Plus išanalizavo 17 446 žmonių tyrimus. Tyrėjai pranešė apie labai aukštą 99,94 proc. specifiškumą; tai ypač svarbu, kai liga reta ir net nedidelė klaidingai teigiamų rezultatų dalis gali sukelti daug nereikalingų endoskopijų.
Suporuotų KT ir endoskopijos duomenų grupėje, pritaikius didesniam jautrumui skirtą slenkstį, sistema aptiko 65 proc. ikivėžinių pažeidimų ir 78,4 proc. pirmos stadijos vėžių. Keturiems žmonėms signalas buvo matomas KT, atliktoje bent devyniais mėnesiais anksčiau nei galutinė endoskopinė diagnozė. Vienu realios praktikos atveju pažeidimas galėjo būti pažymėtas net 21 mėnesiu anksčiau.
Vienas modelis – keli skirtingi slenksčiai
Tyrimas parodė, kad algoritmo sprendimo slenkstis turi būti parenkamas pagal klinikinę situaciją. Kai EAGLE naudojamas tūkstančiams vidutinės rizikos žmonių jau atliktose KT peržiūrėti, svarbiausia labai didelis specifiškumas, kad nebūtų sukuriama per daug klaidingų signalų. Didelės rizikos grupėje prieš endoskopiją galima rinktis jautresnį slenkstį, priimant didesnį klaidingai teigiamų rezultatų skaičių.
Išorinėje aštuonių centrų imtyje, išlaikant 98,5 proc. specifiškumą, modelio jautrumas pirmos stadijos vėžiui buvo apie 60 proc., o aukšto laipsnio ikivėžiniams pakitimams – 52,5 proc. Sumažinus specifiškumą iki 91 proc., jautrumas pirmos stadijos ligai pakilo iki 73,4 proc. Tokia priklausomybė primena, kad „vienas tikslumo skaičius“ nepasako, kaip sistema veiks konkrečioje patikros programoje.
Galimas panaudojimas
Didžiausias metodo pranašumas – nereikia naujo atskiro tyrimo. Algoritmas galėtų „antrą kartą“ peržiūrėti krūtinės ląstos KT, kurios jau atliekamos dėl kitų priežasčių, arba būti prijungtas prie plaučių vėžio mažos dozės KT patikros programų. Tai galėtų būti ypač aktualu regionuose, kur stemplės vėžio dažnis didesnis, bet endoskopijos ištekliai riboti.
Ką svarbu vertinti atsargiai?
Tyrimas rodo diagnostinį tikslumą, o ne tai, kad EAGLE jau sumažino mirtingumą. Dar reikia perspektyvių tyrimų, kurie įvertintų, kiek papildomų ankstyvų vėžių iš tiesų randama, kiek endoskopijų atliekama be reikalo ir ar ankstesnė diagnozė pagerina ilgalaikes baigtis. Rezultatai taip pat turi būti patvirtinti įvairesnėse sveikatos sistemose bei skirtingo ligos paplitimo populiacijose.
Todėl EAGLE neturėtų pakeisti radiologo ar endoskopijos. Artimiausias realus vaidmuo – papildomas rizikos atrankos sluoksnis, gydytojui nurodantis, kuriuos jau turimus vaizdus verta peržiūrėti atidžiau ir kuriems pacientams rekomenduoti tolesnį ištyrimą.
Prieš klinikinį diegimą taip pat reikės sutarti, kas peržiūrės DI pažymėtus atvejus, kaip pacientas bus informuojamas apie atsitiktinį radinį ir per kiek laiko bus atliekama endoskopija. Be aiškaus diagnostikos kelio net tikslus algoritmas gali nepadėti pasiekti svarbiausio tikslo – diagnozuoti ligą tokiu metu, kai ją dar galima veiksmingai gydyti.
Be to, algoritmas buvo kuriamas naudojant atidžiai patvirtintas diagnozes ir ekspertų pažymėtas pažeidimų vietas. Kasdienėje praktikoje vaizdų kokybė, pacientų judesiai ir gretutinės ligos gali būti įvairesni. Todėl kiekviena gydymo įstaiga turėtų prieš naudojimą saugiai patikrinti modelį savo pacientų duomenyse ir nuolat stebėti klaidų pobūdį.