Artykuł powstał w ramach projektu  pt.: „Wydawnictwa dla Amazonek”,  który realizowany jest dzięki dofinansowaniu ze środków Państwowego Funduszu Rehabilitacji Osób Niepełnosprawnych

 

Sztuczna Inteligencja w onkologii

Od kilkunastu lat obserwujemy dynamiczny rozwój wszelakich technik wspomagających nasze codzienne funkcjonowanie na wielu płaszczyznach codziennego życia. Dziej się tak iż coraz większe zastosowanie użytkowe znajduje sztuczne inteligencja i inne nowatorskie techniki wykorzystujące dane komputerowe. Sztuczna inteligencja (AI), to dziedzina informatyki, która zajmuje się tworzeniem systemów komputerowych zdolnych do wykonywania zadań wymagających zwykle ludzkiej inteligencji. Chodzi np. o rozumienie języka, rozpoznawanie obrazów, uczenie się na podstawie danych czy podejmowanie decyzji. Najprościej mówiąc sztuczna inteligencja to programy lub maszyny, które potrafią się uczyć, analizować informacje i podejmować działania w sposób przypominający człowieka. Przykładami zastosowania sztucznej inteligencji spotykamy już na co dzień choćby korzystając z następujacych rozwiązań:

• Rozpoznawanie mowy – np. asystenci głosowi w telefonach.
• Tłumaczenia automatyczne między językami.
• Rekomendacje filmów i muzyki na platformach streamingowych.
• Samochody autonomiczne, które potrafią same prowadzić.
• Chatboty odpowiadające na pytania.

 

Jak  się uczy sztuczna inteligencja

Jedną z najważniejszych metod jest Machine Learning (uczenie maszynowe). Polega ono na tym, że komputer analizuje ogromne ilości danych i sam znajduje wzorce, zamiast mieć zaprogramowane każdą regułę. Bardziej zaawansowaną częścią jest Deep Learning czyli uczenie głębokie, to dziedzina sztucznej inteligencji uczenia maszynowego która koncentruje się na modelach zwanymi głębokimi sieciami neuronowymi, gdzie wykorzystuje się sztuczne sieci neuronowe inspirowane działaniem ludzkiego mózgu. Umożliwia to automatyczne uczenie się złożonych reprezentacji danych i stanowi podstawę nowoczesnych rozwiązań w rozpoznawaniu obrazu, przetwarzaniu języka naturalnego i  generatywnej sztucznej inteligencji. Można więc powiedzieć, że jest to mechanizm skutecznego wykorzystania olbrzymich zasobów informacji do rozwiązywania zadawanych problemów. Im „magazyn zgromadzonych informacji” jest większy tym działanie, pomoc i efektywność sztucznej inteligencji jest precyzyjniejsza i skuteczniejsza. Mogłoby więc zrodzić się pytanie czy sztuczna inteligencja myśli za nas?

Nie do końca, gdyż AI:

• nie ma świadomości tak jak człowiek,
• nie ma emocji jak żywe istoty,
• działa na podstawie algorytmów i danych.

Może jednak być bardzo skuteczna w rozwiązywaniu określonych problemów.

Sztuczna inteligencja jako dziedzina nauki powstała w latach 50. XX wieku. Za oficjalny początek uważa się rok 1956, kiedy odbyła się konferencja Dartmouth Summer Research Project on Artificial Intelligence w USA. Na tej konferencji po raz pierwszy użyto terminu Artificial Intelligence (sztuczna inteligencja).  A więc można powiedzieć że jest zjawisko które funkcjonuje z nami już 70 lat.Jednym z głównych naukowców, którzy zapoczątkowali tę dziedzinę, był John McCarthy, który właśnie wtedy zaproponował nazwę „Artificial Intelligence”. W pracach nad AI uczestniczyli także inni pionierzy, np.:

• Alan Turing – wcześniej stworzył ideę testu sprawdzającego, czy maszyna potrafi myśleć (tzw. Test Turinga).
• Marvin Minsky – jeden z pierwszych badaczy sztucznej inteligencji na uniwersytecie Massachusetts Institute of Technology

Szybko się okazało, że sztuczna inteligencja (AI) może mieć duże zastosowanie w medycynie wykorzystując olbrzymie zbiory danych agregowane w technologii cyfrowej i przetwarzania ich przez super szybkie komputery i algorytmy, co sprowadza się do pomagania lekarzom w diagnozowaniu chorób, analizie badań i leczeniu pacjentów. Najważniejsze zastosowania AI w medycynie obserwujemy w diagnostyce obrazowej.

Sztuczna inteligencja potrafi analizować zdjęcia medyczne, np.:

• rentgen
• tomografię komputerową
• rezonans magnetyczny

Dzięki temu może pomagać wykrywać między innymi choroby nowotworowe i neurologiczne. Ale sztuczna inteligencja może również szybko analizować wyniki krwi jak historię choroby pacjenta zapisy z urządzeń medycznych. Pomaga to szybciej postawić diagnozę znaleźć przyczyny choroby czy też zasugerować odpowiednie badania uzupełniające a także proponować terapię. Inną sferą medycyny gdzie znalazła zastosowanie sztuczna inteligencja są operacje robotyczne które rozwijają się bardzo dynamicznie, są coraz bardziej precyzyjne mniej obciążające dla pacjenta i dają lepsze efekty terapeutyczne niż operacje klasyczne. Podobne zjawisko obserwujemy w rozwoju systemów do zaawansowanej radioterapii, gdzie precyzja lokalizacji wiązki i jej moc mają ogromne znaczenie dla efektu terapeutycznego i uniknięciu potencjalnych efektów ubocznych w postaci uszkodzenie tkanek sąsiadujących ze zmiana nowotworowa.AI pomaga firmom farmaceutycznym szybciej znajdować nowe związki chemiczne które mają działania lecznicze i tworzyć nowe  leki i testować ich działanie. Robią to m.in. firmy takie jak DeepMind czy IBM.

Ale może mieć zastosowanie w mniej istotnych ale ważnych procesach jak monitorowanie stanu zdrowia poprzez zegarki czy opaski zdrowotne opracowywaniu diet czy optymalnego sposobu aktywności fizycznej.

Największe  przełomy w onkologii dzięki sztucznej inteligencji (AI) obserwujemy  w ostatnich latach. W wielu przypadkach AI już zmienia realną praktykę kliniczną – szczególnie w diagnostyce, projektowaniu leków i medycynie spersonalizowanej.

Duże nadzieje wiąże się z mariażem sztucznej inteligencji i diagnostyki laboratoryjnej i genetycznej. Przykładem tego jest multi-cancer blood test analizujący DNA nowotworowe krążące w krwi

• potrafią wykrywać do 70–75 typów nowotworów z jednej próbki krwi,
• z bardzo wysoką specyficznością (~99%).

To potencjalnie jedna z największych zmian w medycynie – screening populacyjny z jednej próbki krwi.

Algorytmy analizują również cyfrowe preparaty mikroskopowe.

Nowe modele AI:

• analizują dziesiątki tysięcy obrazów histopatologicznych,
• wykrywają biomarkery i przewidują odpowiedź na leczenie.

Przykłady zastosowań:

• automatyczne wykrywanie mutacji genetycznych,
• klasyfikacja typów nowotworów,
• ocena agresywności guza.

Olbrzymie nadzieje z wykorzystania sztucznej inteligencji wiąże przemysł farmaceutyczny i faktycznie tutaj obserwujemy jeden z najbardziej spektakularnych przełomów. AI potrafi:

• analizować miliardy cząsteczek,
• przewidywać ich działanie biologiczne,
• projektować nowe leki.

Przykład:

• lek Rentosertib – zaprojektowany przez AI i rozwinięty do badań klinicznych w rekordowym czasie. Lek ten służy leczeniu idiopatycznego włóknienia płuc.

Szacuje się, że dzięki AI będzie może skrócić proces odkrywania leków z 10–12 lat do kilku lat.

Dodatkowo może być niezwykle przydatna przy personalizacji terapii ponieważ pomaga przeanalizować ogromne zbiory danych z genomiki, proteomiki, danych klinicznych. Dzięki temu może przewidywać który lek zadziała u którego pacjenta i proponować indywidualne strategie leczenia.

Modele ML potrafią nawet generować „kontrfaktyczne scenariusze leczenia” i porównywać potencjalne efekty różnych terapii, co jest istotne przy ocenie skuteczności i minimalizacji skutków ubocznych w kontekście działań nie pożądanych jak i chorób współistniejących.

 

Eksperci wskazują kilka kierunków, które mogą najbardziej zmienić medycynę:

1. Diagnostyka raka z krwi.

Badania krwi wykrywające raka zanim pojawią się objawy. Badanie to nie musi się opierać na wykrywaniu konkretnych komórek ale mniejszych elementów morfotycznych dotychczas nie diagnozowanych

2. Wirtualne badania kliniczne.

AI przewiduje skuteczność leków i pomaga projektować badania kliniczne dobierając odpowiednią wielkość próby i sugerując terapie skojarzony o najwyższym potencjale skuteczności terapeutycznej

3. Analiza histopatologiczna.

Patomorfologia stanie się w dużej części cyfrowa i wspierana przez AI. Zapisywane w technologii cyfrowej scany preparatów mogą być analizowane pod kątem wystąpienia cech charakterystycznych dla danego nowotworu nawet nie widocznych dla oka oceniającego.

4. Leki projektowane przez AI.

AI generująca nowe cząsteczki terapeutyczne. Bada ich wzajemne relacje i sposób oddziaływania na komórki chore i zdrowe co pozwala zwiększać ich skuteczność i minimalizować skutki uboczne stosowanych preparatów.

5. Spersonalizowana onkologia,

 a więc dziedzina która najbardziej rozwinęła się jeśli chodzi o terapie nowotworów, dając nadzieje na skuteczne leczenie zmian, które do tej pory rokowały niekorzystnie.

Leczenie dobrane dokładnie do:

• genomu guza,
• mikro środowiska nowotworu,
• profilu immunologicznego pacjenta.

W ciągu 10–15 lat AI może skrócić drogę od diagnozy do dobrania terapii z tygodni do godzin wykorzystując ogromne zasoby informacji o pacjencie  i jego stanie klinicznym, lekach przewidzianych do zastosowania i chorobach współistniejących.

Ciekawe badania z wykorzystaniem sztucznej inteligencji prowadzone są w Ośrodku Profilaktyki i Epidemiologii Nowotworów w Poznaniu.

Pierwsze z nich służy stworzeniu specjalnej aplikacji Oncogenrisk, która poprzez zebranie cech rodowodowo- klinicznych osoby odwiedzającej specjalistę lub lekarza podstawowej opieki zdrowotnej oceni konieczność skierowania tego pacjenta do Onkologicznej Poradni Genetycznej stosując też gradacje tej pilności. Dzisiaj czas oczekiwania na konsultacje genetyczna wynosi kilkanaście miesięcy, co jest powodowane tym, że kierowane są osoby u których nie ma wskazań do tego aby taka konsultacja była przeprowadzona. Nie każdy incydent nowotworu w rodzinie kwalifikuje bowiem do badań genetycznych. Do „nauczenia się” aplikacji wykorzystano zdigitalizowaną bazę 17 tysięcy rodzin będących pod opieka Onkologicznej Poradni Genetycznej Ośrodka Profilaktyki i Epidemiologii Nowotworów.

Drugi projekt dotyczy wykorzystania sztucznej inteligencji jako dodatkowego „radiologa” odczytującego screening mammograficzny. Dzisiaj badania te odczytywane są przez dwóch niezależnych radiologów i ewentualne wątpliwości przy rozbieżnych ocenach są rozstrzygane przez trzeci odczyt. Badanie na 30 tysiącach pacjentek w populacji polskiej ma ocenić możliwość zastąpienia jednego radiologa sztuczną inteligencją. Przy obecnych brakach kadrowych ten kierunek badań wydaje się szczególnie ciekawy.

Trzeci projekt dotyczy wirtualnej mammografii spektralnej. Klasyczna  mammografia spektralna wykorzystuje do zobrazowanie piersi obraz mammografii cyfrowej po podaniu dożylnie środka kontrastowego. Pozwala to precyzyjnie określić stan piersi ze szczególnym uwzględnieniem stanu naczyń krwionośnych i tkanek je otaczających. Niestety około 3% populacji jest uczulona na dostępne środki kontrastowe co wyklucza zastosowanie u nich klasycznej mammografii spektralnej jak i badanie rezonansu magnetycznego. W tym rozwiązaniu obraz mammografi cyfrowej uzupełniany byłby wirtualnym kontrastem wypełniającym zobrazowane już naczynia. Nie byłoby więc konieczne podawania kontrastu ani też wykonywanie dodatkowego zdjęcia bowiem kontrast wypełniałby zdjęcie pierwotne. Odciążyłoby by to pacjentki chroniąc je od dodatkowej ekspozycji promieniowania, objęłoby również osoby uczulone na kontrast no i przede wszystkim przyspieszyło diagnozę.

Wydaje się że mamy do czynienia z nowymi perspektywami i możliwościami jakie niesie ze sobą sztuczna inteligencja w medycynie. Musimy mieć jednak świadomość, że należy ja traktować jako narzędzie wspomagające pracę lekarza czy badaczy a nie zastąpienie ich przez lekarzy.  Wspomnieć należy, że cały czas trwają prace nad prawnymi regulacjami dotyczącymi możliwości zastosowania sztucznej inteligencji w medycynie biorąc pod uwagę że analizuje ona dane wrażliwe i konsekwencje tej analizy są istotne rzeszy pacjentów. Jej zastosowanie musi być zresztą akceptowane przez pacjentów i nie wolno jej wykorzystywać wbrew ich woli.

 

Autor: Dr n.med. Dariusz Godlewski – onkolog radioterapeuta, specjalista zdrowia publicznego. Pomysłodawca i założyciel Ośrodka Profilaktyki i Epidemiologii Nowotworów im. Aliny Pienkowskiej w Poznaniu. Jest autorem i współautorem kilkudziesięciu publikacji i wystąpień z zakresu epidemiologii nowotworów, genetyki onkologicznej i zdrowia publicznego. Jest także inicjatorem oraz realizatorem szeregu programów i kampanii profilaktycznych realizowanych zarówno w Wielkopolsce jak i na terenie całego kraju. Od wielu lat prowadzi wykłady z zakresu epidemiologii i profilaktyki nowotworów złośliwych, zwłaszcza raka piersi, dla lekarzy i studentów Uniwersytetu Medycznego w Poznaniu. Jest również założycielem Społecznej Fundacji „Ludzie dla ludzi” oraz doradcą medycznym Federacji Stowarzyszeń Amazonki.