Искусственный интеллект в онкологии: что уже делается и что ждет нас в будущем?

Искусственный интеллект (ИИ) уже много лет применяется в онкологии, но недавние исследования показывают, что он может предложить множество дополнительных способов диагностики и лечения рака. За последние годы применение ИИ в онкологии превратилось из многообещающего будущего в реальность; продолжающиеся исследования открывают новые возможности в помощи пациентам с раком.

Используемые сейчас в онкологической практике приложения ИИ помогают прежде всего в диагностике рака. Модели машинного и глубокого обучения повышают точность и эффективность диагностического процесса.

Ниже показан охват понятий «искусственный интеллект», «машинное обучение» и «глубокое обучение».

Искусственный интеллект сегодня

Управление по контролю качества пищевых продуктов и лекарственных средств США (FDA) одобрило множество технологий ИИ для онкологии; наиболее заметны приложения в радиологии.

Согласно анализу 2021 года, одобренные для онкологии устройства с ИИ чаще всего применяются в

• радиологии (54,9%) и
• патологии (19,7%), причем
• чаще всего — при раке молочной железы (31%).

Радиологи, исследующие молочную железу, все чаще применяют ИИ, чтобы

• определять плотность молочной железы,
• оценивать качество маммографии,
• классифицировать маммограммы по низкому, среднему или высокому риску рака молочной железы,
• выявлять рак молочной железы
• и определять людей с  риском атеросклеротического заболевания (закупорки сосудов сердца и других сосудов).

ИИ также может дать дополнительные сведения о том, является ли находка на УЗИ молочной железы раком.

ИИ оказался эффективен и в скрининге и диагностике колоректального рака. В 2021 году FDA разрешило маркетинг GI Genius — первого устройства, использующего ИИ для выявления образований во время колоноскопии.

Кроме того, ИИ используется в некоторых патоморфологических лабораториях для анализа цифровых гистологических препаратов и уточнения онкологических диагнозов после многолетних исследований в этой области.

До сих пор речь шла о распознавании изображений. Однако ИИ также стал применяться в разработке новых противоопухолевых препаратов.

Некоторые фармкомпании используют ИИ для открытия новых безопасных молекулярных мишеней в онкологии; другие компании применяют его, чтобы создавать совершенно новые молекулы-кандидаты в лекарства — иногда в сочетании с молекулярным моделированием. Будущее ИИ в открытии лекарств весьма многообещающе.

ИИ также используется, чтобы повышать эффективность планирования лучевой терапии и определять контуры опухолей и органов, ускоряя лечение и повышая эффективность и безопасность доставки излучения.

В поддерживающей или паллиативной помощи искусственный интеллект (ИИ) оценивает жизненные показатели, сообщаемые самими дистанционно наблюдаемыми пациентами. Модели обработки естественного языка (NLP) и машинного обучения (ML) позволяют рано обнаруживать неблагоприятные тенденции здоровья и быстро выдавать предупреждения. Они автоматически замечают критические изменения и предоставляют сведения для своевременного вмешательства, повышая качество помощи.

Искусственный интеллект в будущем

Продолжается множество исследований, раскрывающих дополнительные возможности ИИ в онкологии.

Визуализация молочной железы считается перспективной областью исследований ИИ. Будущие приложения отдельно от семейного анамнеза или вместе с ним могут стать важным инструментом для определения риска рака молочной железы в краткосрочной и долгосрочной перспективе.

Исследователи изучают способность ИИ по изображениям брюшной полости и длительным электронным историям болезни выявлять пациентов с высоким риском рака поджелудочной железы. Это может сделать возможным раннее выявление заболевания с высокой смертностью и создание программ скрининга групп высокого риска.

Со временем ИИ сможет оценивать молекулярные характеристики и биомаркеры опухолей, в некоторых случаях устраняя необходимость инвазивной биопсии и ожидания результатов.

Это возможно посредством неинвазивной «биопсии», использующей анализ крови или радиомику МРТ (магнитно-резонансной томографии), — так называемой «виртуальной биопсии». Например, модель глубокого обучения может по МРТ головного мозга определять наличие у опухоли конкретной мутации, такой как IDH1 или BRAF.

Новая эпоха ИИ с ChatGPT

Новый крупный шаг — большие языковые модели, такие как ChatGPT. Эти БЯМ представляют впечатляющее достижение с потенциалом применения в онкологии.

Исследования показывают способность существующих моделей ChatGPT достаточно точно отвечать на медицинские вопросы, но результаты требуют более систематической проверки на качественных наборах реальных данных.

Возможность больниц и медицинских центров вскоре получить для обучения качественных больших языковых моделей (БЯМ), использующих лабораторные результаты, сканирования и анамнез, доступ к петабайтам медицинских онкологических данных может значительно продвинуть применение ИИ в онкологии. Такие данные позволят создавать более эффективные и индивидуализированные модели диагностики, лечения и исследований рака, улучшая помощь пациентам и результаты терапии.

Примеры ChatGPT в онкологии

В исследовании, опубликованном ранее в этом году, Haver и коллеги установили, что ChatGPT отвечает на вопросы скрининга и профилактики рака молочной железы, оцененные радиологами, с точностью 88%.

Два исследования, опубликованные в августе 2023 года, показали, что чат-боты могут с высокой точностью отвечать на вопросы о разных видах рака, но технология по-прежнему имеет ограничения.

В одном из исследований Pan и коллеги оценивали ответы чат-ботов на самые популярные интернет-запросы о раке кожи, колоректальном раке, раке предстательной железы, легкого и молочной железы. В целом чат-боты давали качественную информацию, но она не всегда была пригодна для практического применения и требовала университетского уровня чтения.

В другом исследовании Chen и коллеги показали, что ответы чат-бота о лечении рака не всегда соответствуют рекомендациям Национальной комплексной онкологической сети США (US-NCCN). Чат-бот предлагал хотя бы один метод лечения в 98% ответов на вопросы о раке молочной железы, предстательной железы и легкого, и все эти ответы содержали как минимум одну рекомендацию, соответствующую US-NCCN. Однако 34,3% ответов включали хотя бы одну несоответствующую рекомендацию, а 12,5% были «галлюцинациями», то есть не относились ни к одному рекомендованному лечению.

Еще одно применение ИИ — прогнозирование выживаемости онкологических пациентов моделями обработки естественного языка. Nunez и коллеги показали, что эти модели могут прогнозировать исходы выживаемости только по данным первичной онкологической консультации.

Оптимизация ИИ для клинического применения

Эксперты отмечают необходимость решить ряд ограничений и вопросов для оптимального использования ИИ в клинической онкологии.

С этической точки зрения модели ИИ и медицинские устройства на его основе следует разрабатывать на разнообразных наборах данных, правильно отражающих группы пациентов, которым они будут служить. Иначе модели и устройства могут усиливать предвзятость и неравенство в здравоохранении.

На этапе исследований и разработки одно из препятствий для использования больших разнообразных наборов данных — нежелание медицинских центров делиться данными.

Нужно сделать обмен данными обычной практикой и найти способы поощрять его, желательно при поддержке пациентов. Либо следует разработать новые алгоритмы для локального обучения, объединения моделей разных центров и последующей проверки точности объединенных моделей.

Несмотря на весь прогресс, многие существующие модели обязательно должны пройти оценку в клинической практике.

Модель ИИ, стоящая на полке, остается просто моделью. В реальной онкологии она должна применяться в клинической помощи, быть полезной врачам и улучшать результаты пациентов и системы здравоохранения. Необходимо определить удобство использования, приемлемость и безопасность, постоянно оценивая ее влияние.

Внедрение моделей ИИ в клинику сейчас ограничивают трудности реализации, включая:

• сложность интеграции в программное обеспечение электронных медицинских карт,
• отсутствие интуитивно понятного интерфейса во многих моделях и
• высокую стоимость обучения некоторых современных моделей.