Un instrument AI prezice recurența esofagului Barrett cu mare precizie
Un nou instrument bazat pe inteligență artificială (AI) promite să îmbunătățească supravegherea pacienților tratați cu terapii de eradicare endoscopică pentru displazia esofagului Barrett (BE) și adenocarcinomul esofagian precoce.
BE este singura condiție cunoscută care precede adenocarcinomul esofagian, o formă agresivă de cancer cu rate mari de mortalitate.
Dezvoltat și validat de cercetători din Statele Unite, modelul AI a avut o precizie de peste 90% în predicția pacienților care ar putea experimenta o recidivă a BE după terapia de eradicare endoscopică (EET) și în detectarea momentului în care este probabil să apară aceasta.
Rezultatele au fost publicate în Clinical Gastroenterology and Hepatology.
Detectarea timpurie a displaziei legate de esofagul Barrett și a adenocarcinomului esofagian asociat poate salva vieți. Identificarea recidivei sub formă de BE, displazie legată de BE și adenocarcinom esofagian legat de BE mai devreme, în special la pacienții cu risc ridicat care au fost supuși terapiei de eradicare endoscopică, creează oportunități pentru tratamente în timp util înainte ca cancerul să se dezvolte sau să progreseze.
Sachin Wani, MD, autorul principal al studiului, a declarat: „Provocarea este că recidiva esofagului Barrett poate apărea chiar și după terapia de eradicare endoscopică, iar strategiile actuale de supraveghere nu fac distincția între pacienții cu risc ridicat și cei cu risc scăzut. Toți sunt urmăriți conform aceleași programări, indiferent de riscul lor.”
Folosind inteligența artificială și datele de la peste 2.500 de pacienți, Wani și o echipă de experți de top din întreaga țară au dezvoltat un instrument bazat pe învățarea automată. Pentru a-l crea, au analizat datele clinice detaliate ale pacienților tratați cu EET și urmăriți în timp pentru a determina dacă, și când, BE și displazia sau cancerul legate de BE au revenit. Această analiză a relevat că aproape 30% dintre pacienți au experimentat recidiva după un tratament de succes, cu condiția revenind în medie la aproximativ doi ani după terapie.
Instrumentul AI a fost antrenat să analizeze simultan mulți factori ai pacienților, cum ar fi vârsta, greutatea corporală, severitatea bolii și detaliile tratamentului. A învățat modele pe care oamenii nu le pot observa ușor, inclusiv modul în care combinațiile de factori afectează riscul. S-a constatat că recidiva era mai probabilă în rândul pacienților care aveau:
- O zonă mai lungă de țesut Barrett
- O greutate corporală mai mare
- Vârstă mai înaintată
- Au necesitat mai multe sesiuni de tratament pentru a elimina complet țesutul anormal
- Modificări celulare mai avansate în momentul diagnosticului
Modelul a fost testat în două moduri: verificând cât de bine a funcționat pe pacienți similari cu cei pe care a fost antrenat și evaluând performanța pe grupuri diferite de pacienți din alte surse. Instrumentul a fost precis pentru ambele seturi de pacienți.
Această unealtă ar putea ajuta medicii să personalizeze îngrijirea de urmărire după tratament, în loc să folosească aceeași programare pentru fiecare pacient. Persoanele cu risc mai mare de recidivă ar putea fi monitorizate mai atent, în timp ce cei cu risc mai scăzut ar putea necesita mai puține proceduri de urmărire. Această abordare ar putea reduce testele inutile, ar scădea stresul pentru pacienți și ar optimiza resursele sistemului de sănătate.
Wani a adăugat: „Această muncă reprezintă ani de eforturi și parteneriate între mai multe instituții. Nu ar fi fost posibil fără colaborarea colegilor noștri care au împărtășit datele și expertiza lor.”
Următorul pas este validarea suplimentară a modelului utilizând seturi de date internaționale prin colaborări în Olanda, Regatul Unit, Belgia și Elveția. Obiectivul este validarea instrumentului astfel încât să poată fi aplicat pe scară largă și utilizat ca un ajutor fiabil și universal în îngrijirea clinică.
