A fost conceput un model asemănător ChatGPT care poate diagnostica mai multe tipuri de cancer

Oamenii de știință de la facultatea de medicină a universității Harvard au conceput un model de inteligență artificială (AI) versatil, asemănător ChatGPT, capabil să îndeplinească o serie de sarcini de diagnosticare a mai multor forme de cancer, potrivit 360medical.

Noul sistem de inteligență artificială, descris în numărul din 4 septembrie a revistei Nature, depășește multe dintre abordările actuale ale AI pentru diagnosticarea cancerului, au declarat cercetătorii.

Sistemele actuale de AI sunt de obicei antrenate pentru a efectua sarcini specifice – cum ar fi detectarea prezenței cancerului sau estimarea profilului genetic al unei tumori – și tind să funcționeze doar pentru un număr redus de tipuri de cancer.

În schimb, noul model poate efectua o gamă largă de sarcini și a fost testat pe 19 tipuri de cancer, ceea ce îi conferă o flexibilitate asemănătoare cu cea a modelelor lingvistice mari, cum ar fi ChatGPT.

În timp ce au apărut recent alte modele AI de fundație pentru diagnosticul medical bazat pe imagini patologice, se crede că acesta este primul care estimează rezultatele pacienților, validate pe mai multe grupuri internaționale de pacienți.

„Ambiția noastră a fost să creăm o platformă AI agilă și versatilă, asemănătoare ChatGPT, care poate efectua o gamă largă de sarcini în evaluarea cancerului”,

a declarat într-un comunicat autorul principal al studiului, Kun-Hsing Yu, profesor asistent de informatică biomedicală în cadrul Institutului Blavatnik de la Harvard.

„Modelul nostru s-a dovedit a fi foarte util în mai multe sarcini legate de detectarea cancerului, prognostic și răspuns la tratament în mai multe tipuri de cancer”.

Modelul AI, care funcționează prin citirea diapozitivelor digitale ale țesuturilor tumorale, detectează celulele canceroase și estimează profilul molecular al unei tumori pe baza caracteristicilor celulare observate pe imagine, cu o precizie superioară majorității sistemelor AI actuale.

Acesta poate prognoza supraviețuirea pacienților pentru mai multe tipuri de cancer și poate identifica cu precizie caracteristicile țesutului care înconjoară o tumoră – cunoscut și sub numele de micro-mediul tumoral – care sunt legate de răspunsul unui pacient la tratamentele standard, inclusiv chirurgia, chimioterapia, radioterapia și imunoterapia.

În cele din urmă, echipa a declarat că instrumentul pare capabil să genereze informații noi – a identificat caracteristici tumorale specifice despre care nu se știa anterior că sunt legate de supraviețuirea pacienților.

Constatările se adaugă la dovezile tot mai numeroase conform cărora abordările bazate pe inteligența artificială pot spori capacitatea clinicienilor de a evalua cancerele în mod eficient și precis, inclusiv identificarea pacienților care ar putea să nu răspundă bine la terapiile standard împotriva cancerului, a declarat echipa de cercetare.

Dacă va fi validată în continuare și implementată pe scară largă, această abordare și altele similare ar putea identifica din timp pacienții cu cancer care ar putea beneficia de tratamente experimentale care vizează anumite variații moleculare, o capacitate care nu este disponibilă în mod uniform în întreaga lume, au mai precizat autorii.

Formare și performanță

Cea mai recentă lucrare a echipei se bazează pe cercetările anterioare în domeniul sistemelor AI pentru evaluarea cancerului de colon și a tumorilor cerebrale. Aceste studii anterioare au demonstrat fezabilitatea abordării în cadrul anumitor tipuri de cancer și sarcini specifice.

Noul model, denumit CHIEF (Clinical Histopathology Imaging Evaluation Foundation), a fost antrenat pe 15 milioane de imagini neetichetate împărțite în secțiuni de interes.

Ulterior, instrumentul a fost antrenat pe 60.000 de imagini de lamele întregi ale unor țesuturi precum plămân, sân, prostată, colorectal, stomac, esofag, rinichi, creier, ficat, tiroidă, pancreas, col uterin, uter, ovare, testicule, piele, țesuturi moi, glanda suprarenală și vezică urinară.

Antrenarea modelului pentru a examina atât secțiuni specifice ale unei imagini, cât și întreaga imagine, i-a permis să facă legătura între modificările specifice dintr-o regiune și contextul general.

Potrivit cercetătorilor, această abordare a permis modelului CHIEF să interpreteze o imagine într-un mod mai holistic, luând în considerare un context mai larg, în loc să se concentreze doar pe o anumită regiune.

Echipa a testat performanța CHIEF pe mai mult de 19.400 de imagini din 32 de seturi de date independente colectate de la 24 de spitale și cohorte de pacienți din întreaga lume.

În general, CHIEF a depășit alte metode AI de ultimă generație cu până la 36% în următoarele sarcini: detectarea celulelor canceroase, identificarea originii tumorii, estimarea rezultatelor pacienților și identificarea prezenței genelor și a modelelor ADN legate de răspunsul la tratament.

Datorită pregătirii sale versatile, CHIEF a funcționat la fel de bine indiferent de modul în care au fost obținute celulele tumorale – prin biopsie sau prin excizie chirurgicală. Și a fost la fel de precis, indiferent de tehnica utilizată pentru digitizarea probelor de celule canceroase.

Potrivit cercetătorilor, această adaptabilitate face ca CHIEF să poată fi utilizat în diferite contexte clinice și reprezintă un pas important dincolo de modelele actuale care tind să funcționeze bine doar atunci când citesc țesuturi obținute prin tehnici specifice.

Detectarea cancerului

CHIEF a obținut o acuratețe de aproape 94% în detectarea cancerului și a depășit în mod semnificativ abordările AI actuale în 15 seturi de date conținând 11 tipuri de cancer.

În cinci seturi de date de biopsie colectate din cohorte independente, CHIEF a obținut o precizie de 96% pentru mai multe tipuri de cancer, inclusiv esofag, stomac, colon și prostată.

Atunci când cercetătorii au testat CHIEF la prima vedere pe lame de tumori îndepărtate chirurgical de colon, plămâni, sân, endometru și col uterin, modelul a avut o acuratețe de peste 90%.

Predicția profilurilor moleculare ale tumorilor

Structura genetică a unei tumori conține indicii esențiale pentru a determina comportamentul său viitor și tratamentele optime.

Pentru a obține aceste informații, oncologii solicită secvențierea ADN a probelor tumorale, însă o astfel de profilare genomică detaliată a țesuturilor canceroase nu se realizează în mod curent și nici uniform în întreaga lume, din cauza costurilor și a timpului implicate de trimiterea probelor la laboratoare specializate în secvențierea ADN. Chiar și în regiunile bine dotate, procesul ar putea dura câteva săptămâni. Este o lacună pe care AI ar putea să o umple, spun cercetătorii.

Identificarea rapidă a modelelor celulare pe o imagine care sugerează aberații genomice specifice ar putea oferi o alternativă rapidă și rentabilă la secvențierea genomică, au afirmat cercetătorii.

CHIEF a depășit metodele actuale de inteligență artificială pentru estimarea variațiilor genomice într-o tumoră prin examinarea lamelelor microscopice. Această nouă abordare AI a identificat cu succes caracteristici asociate cu mai multe gene importante legate de creșterea și suprimarea cancerului și a indicat mutații genetice cheie legate de modul în care o tumoră ar putea răspunde la diverse terapii standard.

De asemenea, CHIEF a detectat modele ADN specifice legate de modul în care o tumoră de colon ar putea răspunde la o formă de imunoterapie numită blocarea punctelor de control imunitar.

Atunci când a analizat imagini ale întregului țesut, modelul a identificat mutații în 54 de gene canceroase cu mutații frecvente, cu o acuratețe globală de peste 70 %, depășind metoda AI actuală de ultimă generație pentru predicția genomică a cancerului.

Precizia sa a fost mai mare pentru anumite gene din anumite tipuri de cancer.

Echipa a testat, de asemenea, capacitatea CHIEF de a estima mutațiile legate de răspunsul la terapiile țintite aprobate pentru 18 gene care acoperă 15 zone anatomice.

Modelul a atins o acuratețe ridicată în mai multe tipuri de cancer, inclusiv 96% în detectarea unei mutații într-o genă numită EZH2, comună într-un cancer al sângelui numit limfom difuz cu celule B mari. Acesta a atins 89% pentru mutația genei BRAF în cancerul tiroidian și 91% pentru mutația genei NTRK1 în cancerele din sfera ORL (de cap și de gât).

Predicția supraviețuirii pacienților

Modelul inteligent a prezis cu succes supraviețuirea pacienților pe baza imaginilor histopatologice ale tumorii obținute la momentul diagnosticului inițial. În toate tipurile de cancer și în toate grupurile de pacienți studiate, modelul a distins pacienții cu supraviețuire pe termen lung de cei cu supraviețuire pe termen scurt.

CHIEF a depășit alte modele cu 8%. Iar în cazul pacienților cu cancere mai avansate, a depășit alte modele AI cu 10%. În total, capacitatea CHIEF de a estima riscul ridicat de deces față de cel scăzut a fost testată și confirmată pe eșantioane de pacienți din 17 instituții diferite.