Nowo zaprojektowana sztuczna inteligencja pomoże ocenić jaki rodzaj terapii będzie najbardziej efektywny. Ma to zaoszczędzić dużo czasu i środków pacjentów chorych na raka płuc.
Według działu amerykańskiej agencji rządowej National Cancer Institute rak płuc oraz oskrzeli jest drugim najbardziej rozpowszechnionym nowotworem wśród ludzi. Stanowi on prawie 13% wszystkich chorób nowotworowych. Choroba jednak nie ma objawów pierwszych stadiów, dla tego jest bardzo trudna do wykrycia. Gdy pierwsze oznaki wystąpią, terapia, której muszą być poddani pacjenci jest szybka i intensywna.
Aby zapewnić pacjentom z rakiem płuc jak najskuteczniejsze leczenie, lekarze muszą wybierać najlepsze metody leczenia. Może stanowić to jednak trudne zadanie, ponieważ trudno jednoznacznie stwierdzić, jaka terapia przyniesie najlepsze rezultaty dla danego pacjenta.
Trudno jest też ocenić skuteczność i opłacalność immunoterapii. W przeciwieństwie do terapii w których stosuje się leki, ta polega na aktywowaniu immunologicznego i jego naturalnych mechanizmów walczących z nowotworem.
Metoda diagnozy dla AI
Zespół naukowców z Uniwersytetu Case Western Reserve w Cleveland oraz badacze z sześciu innych instytucji opracowali nowy model sztucznej inteligencji pomagający lekarzom w ustaleniu, u których osób chorujących na raka płuc najlepiej sprawdzi się immunoterapia. Szczegóły działania tego narzędzia opisano w artykule opublikowanym w czasopiśmie naukowym Cancer Immunology Research.
Immunoterapia jest stosunkowo skuteczna, skutkuje to jednak jej drogą ceną. Roczny koszt takich zabiegów kosztuje przeciętnego pacjenta nawet do 200 tysięcy dolarów. Z ankiet wynika że jest to bezpośrednia przyczyna, przez którą prawie połowa pacjentów traci swoje oszczędności w przeciągu roku od diagnozy. Nowa metoda diagnostyczna może pomóc zarówno lekarzom, jak i pacjentom w podjęciu decyzji, która terapia jest najskuteczniejsza. Pacjenci unikną zatem trwonienia pieniędzy na bezcelowe leczenie.
Model sztucznej inteligencji powstał w oparciu o ostatnie odkrycia naukowców, dzięki którym zidentyfikowano zmiany nowotworowe reagujące na leczenie. Dotychczas głównym wyznacznikiem dla potwierdzenia skuteczności immunoterapii była ocena wielkości guza. To jednak nie zawsze się sprawdzało.
Naukowcy użyli więc skanów tomografii komputerowej 50 osób chorych na raka. Po analizie, udało się stworzyć metodę matematyczną umożliwiającą identyfikację wszelkich zmian wielkości i tekstury, które zachodzą w guzie po ekspozycji na 2-3 cykle immunoterapii.
Odkryto określone wzorce, które wskazują na to, że niektóre zmiany w guzach są powiązane z pozytywną odpowiedzią na leczenie immunoterapią. Korelowało to bezpośrednio z wyższymi wskaźnikami przeżycia pacjentów. Sztuczna inteligencja znów podkreśla również, że nowotwory płuc, które wykazują najbardziej zauważalne zmiany swojej struktury, najlepiej reagują na immunoterapię.
W przyszłości naukowcy chcą przetestować pracę sztucznej inteligencji na większej liczbie skanów tomografii komputerowej, które wykonano u osób leczonych różnymi środkami immunoterapeutycznymi.
źródło: medicalnews
