O nouă inteligență artificială depășește limitele în detectarea metastazelor ganglionilor limfatici
O echipă de cercetare condusă de Universitatea Științei și Tehnologiei din Hong Kong (HKUST) a dezvoltat un sistem inovator de analiză patologică bazat pe inteligență artificială (IA) capabil să recunoască cu precizie mai multe tipuri de cancer folosind un număr minim de probe, fără a necesita antrenament suplimentar.
Această descoperire îmbunătățește semnificativ flexibilitatea și eficiența asistenței medicale bazate pe IA, reprezentând un pas important spre adoptarea pe scară largă a patologiei inteligente.
În fiecare an, aproape 20 de milioane de noi cazuri de cancer sunt diagnosticate la nivel mondial, examinarea patologică având un rol crucial în diagnosticul clinic și în luarea deciziilor de tratament. Cu toate acestea, în contextul unei crize severe de patologisti la nivel global, comunitatea medicală caută din ce în ce mai mult soluții inovatoare pentru a îmbunătăți eficiența analizei patologice.
Deși IA are un potențial mare în automatizarea diagnosticelor patologice, implementarea sa practică este limitată de mai multe provocări. Modelele IA convenționale necesită de obicei colectarea și antrenarea a zeci de mii de imagini și seturi de date pentru fiecare tip de cancer sau sarcină de diagnosticare, ceea ce duce la cicluri de dezvoltare lungi și costuri substanțiale de calcul și forță de muncă. În plus, modelele fundamentale existente în patologie adesea nu au o generalizabilitate suficientă, necesitând ajustări extinse atunci când sunt aplicate în contexte clinice reale, limitând astfel scalabilitatea și adoptarea lor, în special în regiunile cu resurse limitate.
Pentru a aborda aceste provocări, o echipă de cercetare condusă de Li Xiaomeng, profesor asistent în Departamentul de Inginerie Electronică și Informatică și director asociat al Centrului pentru Imagistică Medicală și Analiză de la HKUST, în colaborare cu Spitalul Poporului din Guangdong și Harvard Medical School, a dezvoltat un sistem nou de analiză patologică numit PRET (Recunoașterea pan-cancer fără antrenament prin exemple).
Sistemul este primul care introduce conceptul de „învățare în context” din procesarea limbajului natural în analiza imaginilor patologice. Acesta permite modelului să se adapteze instantaneu la noi tipuri de cancer și să efectueze sarcini de diagnosticare, cum ar fi screeningul cancerului, subtipizarea tumorilor și segmentarea tumorilor, în timpul etapei de inferență, referindu-se la doar una până la opt slide-uri de tumoră annotate. Funcționând ca un instrument de diagnostic inteligent „plug-and-play”, PRET depășește fundamental necesitatea ajustării specifice sarcinii în modelele tradiționale IA.
Echipa de cercetare a realizat o validare cuprinzătoare a sistemului PRET folosind 23 de seturi de date de referință internaționale din instituții medicale din China, Statele Unite și Olanda, acoperind 18 tipuri de cancer și diverse sarcini de diagnosticare. Rezultatele au arătat că sistemul a depășit metodele existente în 20 de sarcini, cu Area Sub Curba (AUC) – o măsură a acurateței diagnostice – depășind 97% în 15 dintre aceste sarcini.
În mod remarcabil, PRET a obținut un AUC de 100% în screeningul cancerului colorectal și un AUC de 99,54% în segmentarea carcinomului scuamos esofagian. În sarcina extrem de provocatoare de detectare a metastazelor ganglionilor limfatici, PRET a atins un AUC de aproximativ 98,71% folosind doar opt probe, depășind performanța medie a 11 patologisti, a căror AUC a fost de aproximativ 81%. De asemenea, PRET a demonstrat o generalizabilitate stabilă și robustă între diferite populații și regiuni cu niveluri variate de resurse medicale.
Li Xiaomeng a declarat: „Valoarea de bază a sistemului PRET constă în ruperea barierelor tradiționale ale ‘datelor masive și ale antrenamentului repetat’, permițând sistemelor de patologie bazate pe IA să fie aplicate în setările clinice reale la un cost mai mic și cu o flexibilitate mai mare.”
Aceasta nu doar că ajută la ameliorarea presiunii asupra încărcăturii de muncă a patologilor, dar are și potențialul de a îmbunătăți accesul la diagnosticul cancerului în regiunile defavorizate. Prin acest sistem „plug-and-play”, sperăm că serviciile avansate și precise de diagnosticare bazate pe IA pot transcende constrângerile geografice și de resurse, promovând astfel echitatea în sănătatea globală.
Privind spre viitor, echipa de cercetare intenționează să îmbunătățească și mai mult performanța diagnostică a sistemului și să-i extindă aplicațiile la sarcini clinice suplimentare, cum ar fi predicția mutațiilor genetice și evaluarea prognostică a pacienților, deschizând astfel noi direcții pentru viitorul diagnosticării patologice bazate pe IA.
Rezultatele cercetării au fost publicate în jurnalul internațional de prestigiu Nature Cancer.
