Inteligența artificială în oncologie – ce se face acum și ce ne așteaptă în viitor?

Inteligența artificială (IA) este folosită de mulți ani în oncologie, dar cercetările recente arată că poate oferi numeroase aplicații suplimentare în diagnosticul și tratamentul cancerului. În ultimii ani, utilizările oncologice au trecut de la un viitor promițător la realitate, iar studiile în curs indică multe alte posibilități în îngrijirea cancerului.

Aplicațiile IA folosite în prezent în oncologie ajută în principal la diagnosticul cancerului. Modelele de învățare automată și profundă sunt folosite pentru a crește acuratețea și eficiența diagnosticului.

Mai jos este prezentată sfera conceptelor de „inteligență artificială”, „învățare automată” și „învățare profundă”.

Inteligența artificială astăzi

Administrația pentru Alimente și Medicamente din SUA (FDA) a aprobat numeroase tehnologii IA pentru oncologie, cele mai remarcabile aplicații fiind în radiologie.

Potrivit unei analize din 2021, dispozitivele asociate IA aprobate pentru oncologie sunt folosite cel mai frecvent în

• radiologie (54,9%) și
• anatomie patologică (19,7%), iar
• utilizarea cea mai frecventă este pentru cancerul mamar (31%).

Radiologii specializați în imagistica mamară folosesc IA pentru

• determinarea densității mamare,
• evaluarea calității mamografiei,
• clasificarea mamografiilor în categorii cu risc scăzut, mediu sau ridicat de cancer mamar,
• identificarea cancerelor mamare
• și pentru identificarea persoanelor cu  risc de boală aterosclerotică (obstrucție cardiovasculară), sarcini pentru care folosesc IA tot mai mult.

IA poate oferi și informații suplimentare despre caracterul canceros al unei modificări observate la ecografia mamară.

IA a fost eficientă și în screeningul și diagnosticul cancerului colorectal. În 2021, FDA a autorizat comercializarea GI Genius, primul dispozitiv care folosește IA pentru detectarea leziunilor în timpul colonoscopiei.

În plus, în unele laboratoare de anatomie patologică, IA este folosită pentru citirea lamelor de anatomie patologică digitală și clarificarea diagnosticelor de cancer, după ani de cercetare în acest domeniu.

Până aici am discutat despre recunoașterea imaginilor. Totuși, IA a început să fie folosită și în dezvoltarea unor noi medicamente oncologice.

Unele companii farmaceutice folosesc IA în oncologie pentru descoperirea unor ținte moleculare noi și sigure, iar altele urmăresc proiectarea unor molecule medicamentoase candidate complet noi folosind IA, uneori în asociere cu modelarea moleculară. Viitorul IA în descoperirea medicamentelor este foarte promițător.

IA este folosită și pentru creșterea eficienței planificării radioterapiei și delimitarea contururilor tumorilor și organelor, accelerând tratamentul și îmbunătățind eficacitatea și siguranța administrării radiațiilor.

În îngrijirea de susținere sau paliativă, inteligența artificială (IA) evaluează semnele vitale raportate de pacienții monitorizați de la distanță. Modelele de procesare a limbajului natural (NLP) și de învățare automată (ML) pot detecta precoce tendințe nefavorabile și pot emite rapid alerte. Ele pot identifica automat modificările critice ale sănătății și pot oferi informațiile necesare unei intervenții rapide, îmbunătățind calitatea îngrijirii.

Inteligența artificială în viitor

Numeroase cercetări în curs explorează aplicații suplimentare ale IA în oncologie.

Imagistica mamară este considerată un teren favorabil cercetării IA. Aplicațiile viitoare ar putea deveni instrumente importante, singure sau împreună cu istoricul familial, pentru stabilirea riscului de cancer mamar pe termen scurt și lung.

Cercetătorii examinează capacitatea IA de a folosi imagistica abdominală și dosarele electronice de sănătate pe termen lung pentru identificarea pacienților cu risc ridicat de cancer pancreatic. Prin posibilitatea unui diagnostic precoce într-o boală cu mortalitate ridicată, aceasta ar putea permite programe de screening pentru persoanele cu risc mare.

În cele din urmă, IA ar putea evalua caracteristicile moleculare ale cancerelor și biomarkerii, eliminând în unele cazuri necesitatea biopsiilor invazive și a așteptării rezultatelor.

Acest lucru ar putea fi posibil prin recoltarea de sânge sau prin radiomică RMN (rezonanță magnetică), sub forma unei „biopsii virtuale” neinvazive; de exemplu, un model de învățare profundă ar putea analiza un RMN cerebral pentru a stabili dacă tumora are o mutație genetică specifică, precum IDH1 sau BRAF.

O nouă eră în IA cu ChatGPT

Un progres nou și important este reprezentat de modelele precum ChatGPT, modelele lingvistice mari (LLM), care aduc perspective interesante pentru aplicații în oncologie.

Există studii care arată că modelele ChatGPT actuale pot oferi răspunsuri la probleme medicale cu o acuratețe bună, dar rezultatele trebuie validate mai sistematic pe seturi de date reale, de înaltă calitate.

Spitalele și centrele medicale ar putea avea în curând, pentru antrenarea unor modele lingvistice mari (LLM) de înaltă calitate, acces la petabaiți de date de oncologie medicală, incluzând rezultate de laborator, investigații și antecedente medicale. Un asemenea acces ar putea accelera semnificativ aplicațiile IA în oncologie, permițând modele mai eficiente și personalizate pentru diagnostic, tratament și cercetare și îmbunătățind îngrijirea și rezultatele.

Exemple de ChatGPT în oncologie

Într-un studiu publicat la începutul acestui an, Haver și colegii au constatat că ChatGPT răspundea la întrebări despre screeningul și prevenirea cancerului mamar, validate de radiologi specializați, cu o acuratețe de 88%.

Două studii publicate în august 2023 au arătat că chatboturile puteau răspunde cu acuratețe ridicată la întrebări despre diverse cancere, dar tehnologia avea încă limite.

Într-unul dintre studii, Pan și colegii au evaluat răspunsurile chatboturilor la cele mai căutate întrebări online despre cancerele cutanate, colorectal, de prostată, pulmonar și mamar. Chatboturile au oferit în general informații de înaltă calitate, dar acestea nu erau întotdeauna aplicabile practic și erau scrise la un nivel de lectură universitar.

În celălalt studiu, Chen și colegii au arătat că răspunsurile unui chatbot despre tratamentele cancerului nu erau întotdeauna conforme cu recomandările ghidurilor Rețelei Naționale Comprehensive pentru Cancer din SUA (US-NCCN). Chatbotul oferea cel puțin o recomandare terapeutică la 98% dintre întrebările despre cancer mamar, de prostată și pulmonar, iar toate acele răspunsuri includeau cel puțin o recomandare conformă US-NCCN. Totuși, 34,3% dintre răspunsuri conțineau cel puțin o recomandare neconformă, iar 12,5% erau „halucinate”, adică nu făceau parte din niciun tratament recomandat.

O altă aplicație IA este predicția probabilității supraviețuirii pacienților cu cancer prin modele de procesare a limbajului natural. Nunez și colegii au documentat că aceste modele puteau prezice rezultatele supraviețuirii folosind numai datele consultației oncologice inițiale.

Optimizarea IA pentru utilizarea clinică

Experții arată că optimizarea utilizării inteligenței artificiale (IA) în oncologia clinică necesită rezolvarea mai multor limite și probleme.

Din perspectivă etică, modelele IA și dispozitivele medicale care o folosesc trebuie dezvoltate pe seturi de date diverse și trebuie să reprezinte corect grupurile de pacienți pentru care vor fi folosite clinic. Altfel pot amplifica părtinirea și inegalitățile în îngrijire.

În etapa de cercetare și dezvoltare, un obstacol în utilizarea unor seturi ample și diverse de date este ezitarea centrelor medicale de a partaja date.

Trebuie să găsim modalități de a normaliza și încuraja partajarea datelor, ideal cu sprijinul pacienților, sau să dezvoltăm algoritmi care antrenează modelele local, le combină între centre și apoi validează acuratețea modelelor reunite.

În ciuda progreselor, multe modele actuale trebuie evaluate obligatoriu în practica clinică.

Un model IA rămas pe un raft este doar un model. În oncologia reală, el trebuie folosit în îngrijire, să aducă valoare medicilor și să îmbunătățească rezultatele pentru pacienți și sistemul de sănătate. Trebuie definite utilizabilitatea, acceptarea și siguranța, iar evaluarea continuă este necesară pentru înțelegerea impactului.

Adoptarea modelelor IA în mediul clinic este limitată în prezent de dificultăți de implementare, printre care:

• Integrarea dificilă a modelelor IA în software-ul dosarelor electronice de sănătate,
• Lipsa interfețelor intuitive în multe modele IA și
• Costurile ridicate ale antrenării unor modele recente.