- Исследователи разработали искусственный интеллект (ИИ) модель, прогнозирующая риск колоректального рака у пациентов с язвенным колитом и дисплазией низкой степени.
- Используя данные более чем 55 000 человек, инструмент может точно идентифицировать пациентов с очень низким риском, что потенциально помогает сократить количество ненужных надзорных колоноскопий.
- Результаты показывают, что ИИ может поддерживать более персонализированные стратегии наблюдения, дополняя процесс принятия решений врачами.
Колоректальный рак описывает любой рак, поражающий толстую и прямую кишку. Это заболевание также известно как рак кишечника.
Факторы риска развития колоректального рака
Люди, живущие с ВЗК, особенно если их не лечить,
Хотя дисплазия может быть ранним предупреждающим признаком, выявление пациентов с наибольшей вероятностью развития рака является клинической проблемой, из-за которой пациенты и врачи могут не знать, когда следует усилить наблюдение или рассмотреть возможность профилактического хирургического вмешательства.
Теперь новое исследование, опубликованное в журнале «Клиническая гастроэнтерология и гепатология», предполагает, что модель искусственного интеллекта может точно предсказать тех, кто с наибольшей вероятностью заболеет раком, потенциально открывая путь к более персонализированному лечению.
Как работает модель ИИ
Исследовательская группа под руководством Калифорнийского университета в Сан-Диего разработала полностью автоматизированный конвейер искусственного интеллекта, который использует большие языковые модели для извлечения соответствующей клинической информации из электронных медицинских записей, включая отчеты о колоноскопии и патологии.
Эти записи поступили от более чем 55 000 пациентов в системе здравоохранения Министерства по делам ветеранов США (VA).
Система искусственного интеллекта определила ключевые предикторы прогрессирования рака. Сюда входили размер поражения, тяжесть воспаления и возможность полного удаления поражений. Затем система интегрировала эти предикторы с традиционными факторами риска в комплексную модель риска.
Модель успешно разделила пациентов на 5 различных групп риска, которые тесно соответствовали реальным результатам в течение более чем десятилетнего наблюдения.
Примечательно, что инструмент правильно определил, что почти у 99% пациентов из категории наименьшего риска не разовьется колоректальный рак в течение 2 лет.
Кэтлин Куртиус, доктор философии, доцент кафедры биомедицинской информатики Медицинской школы Калифорнийского университета в Сан-Диего и автор исследования, рассказала Medical News Today о том, как этот инструмент может помочь сократить ненужные процедуры наблюдения за людьми с низким риском:
«Современные рекомендации предполагают, что пациенты из этой группы низкого риска должны прийти на повторную колоноскопию через 2 года».
«Однако данные для этой группы ветеранов США совпали с прогнозом нашей модели — у этих пациентов риск развития дисплазии или рака высокой степени у этих пациентов составляет ~1% к 2 годам, и поэтому двухлетний интервал наблюдения, вероятно, можно безопасно продлить на практике. Это сэкономит расходы на здравоохранение и уменьшит беспокойство этих пациентов», — сказал Куртиус.
Инструмент искусственного интеллекта может помочь выбрать правильное лечение или операцию
Врачам может быть сложно оценить риск рака у человека, живущего с дисплазией низкой степени, что может привести к частым колоноскопиям.
Используя этот подход ИИ, врачи смогут более эффективно персонализировать интервалы скрининга, тем самым сохраняя интенсивное наблюдение за людьми с самым высоким прогнозируемым риском и сводя к минимуму вмешательства для тех, кто находится в группе низкого риска.
«Наше исследование показывает, что модель прогнозирования риска рака, которую мы разработали и протестировали на британских пациентах с язвенным колитом и дисплазией низкой степени, также хорошо работает в популяции США», — сказал Куртиус. МНТ.
«Это важный шаг на пути к более широкому клиническому использованию. Статистическая модель использует установленные клинические факторы риска, которые можно извлечь непосредственно из записей врачей с помощью больших языковых моделей, что подчеркивает, насколько легко она может вписаться в реальные клинические рабочие процессы».
— Кэтлин Куртиус
Интересно, что модель также отмечала пациентов с неоперабельными видимыми поражениями. Это описывает поражения, которые невозможно безопасно удалить из-за размера или местоположения. Система искусственного интеллекта подчеркнула, что люди с этими поражениями подвергаются значительно более высокому риску, чем обычно оценивают многие врачи в повседневной клинической практике.
«Врачи часто недооценивают неизбежный риск развития дисплазии высокой степени и/или колоректального рака после того, как видимое поражение дисплазии низкой степени не может быть полностью удалено», — отметил Куртиус.
«Это важно сделать правильно, потому что пациенты принимают решение о серьезной (профилактической) операции частично на основе риска рака, о котором им сообщает их врач. Использование нашего инструмента поможет врачам и пациентам взвесить точные оценки риска при принятии решения о вариантах лечения, включая частичное или полное удаление толстой кишки, чтобы предотвратить вероятный рак», — сказала она.
Эта технология также может помочь выявить людей, которым необходимо вернуться в клинику, что потенциально предотвратит задержки в последующих колоноскопиях.
Инструмент, дополняющий врачей
Важно отметить, что исследовательская группа отмечает, что инструмент искусственного интеллекта предназначен для дополнения суждений клиницистов. Прогнозы могут предоставить дополнительные доказательства в поддержку совместного принятия решений пациентами и их медицинскими бригадами.
Куртиус рассказал о том, как этот инструмент можно интегрировать в реальные клинические рабочие процессы:
«Этот инструмент уже доступен в виде веб-инструмента, который врачи могут использовать со своими пациентами, но затем его можно легко интегрировать непосредственно в систему электронных медицинских карт.
Инструмент искусственного интеллекта + мнение врача
«Данные о факторах риска уже регулярно собираются врачами, а затем электронная панель медицинских карт пациента может рассчитывать и отображать будущий риск рака с течением времени во время принятия клинических решений».
— Кэтлин Куртиус
Следующие шаги и будущие исследования
Хотя результаты являются многообещающими, авторы подчеркивают необходимость проверки модели на различных популяциях пациентов за пределами системы здравоохранения ВА.
Куртиус отмечает, что эта модель может помочь поддержать совместное принятие решений:
«Этот подход может помочь сократить количество ненужных надзорных колоноскопий и операций, давая врачам и пациентам уверенность, когда чей-то риск рака очень низок».
«В то же время предоставление врачам и пациентам четких цифр и визуального инструмента, позволяющего сообщить, когда риск рака очень высок, может облегчить совместное принятие решений и помочь людям лучше понять риски подхода «наблюдай и жди», — сказала она.
Исследовательская группа также планирует изучить интеграцию новых генетических факторов риска в алгоритм, чтобы еще больше повысить точность его прогнозирования.