Badacze z Laboratorium Stosowanej Sztucznej Inteligencji w Ośrodku Przetwarzania Informacji wykorzystali sztuczną inteligencję do usprawnienia diagnostyki obrazowej raka prostaty. Eksperci prognozują, że w przyszłości może ona znacznie usprawnić pracę specjalistów zajmujących się leczeniem różnych chorób.
Rak prostaty jest jednym z dwóch najczęściej rozpoznawanych nowotworów złośliwych u mężczyzn. Wczesna diagnostyka pozwala odpowiednio dobrać terapię i zwiększyć szansę chorego na przeżycie. Zmiany nowotworowe najdokładniej powala zobrazować rezonans magnetyczny (MRI). Niestety, badanie raka prostaty za pomocą tej metody jest skomplikowane, gdyż dotyczy różnych sposobów obrazowania narządu. Niezbędne jest badanie wielu cech nowotworu, co utrudnia i znacznie wydłuża interpretację wyniku. Każdy otrzymany obraz musi być przeanalizowany osobno i posiada swoje charakterystyki, które są specyficzne dla tego rodzaju raka.
Trudne dochodzenie do właściwego rozpoznania
Diagnostyka raka gruczołu krokowego jest skomplikowana i znacznie trudniejsza, niż w przypadku większości nowotworów złośliwych. Otrzymane wyniki oceniane są według skali PI-RADS (Prostate Imaging-Reporting and Data System), która umożliwia rozróżnienie zmian istotnych klinicznie. Analiza ta wymaga specjalistycznej wiedzy radiologów, którzy stanowią w Polsce zaledwie ok. 2 proc. lekarzy, co dodatkowo wydłuża czas oczekiwania na badanie i właściwą diagnozę. Interpretacja wyników jest subiektywna i zauważalne są różnice między doświadczonymi a początkującymi specjalistami. Badania wykazały, że radiolodzy różnie interpretują, czy potencjalna zmiana nowotworowa jest inwazyjna, czy też nie.
– W Ośrodku Przetwarzania Informacji – Państwowym Instytucie Badawczym prowadzimy interdyscyplinarne badania, których wyniki mają praktyczne zastosowanie w wielu dziedzinach. Jednym z obszarów jest wykorzystanie najnowszych technologii IT w medycynie i ochronie zdrowia. Z naszych badań wynika, że sztuczna inteligencja może skutecznie usprawnić pracę lekarzy. Rezultaty są bardzo obiecujące i jestem przekonany, że także pomogą one innym naukowcom opracować nowoczesne narzędzia technologiczne, mające zastosowanie w diagnostyce nie tylko raka prostaty, ale także innych chorób – mówi dr inż. Jarosław Protasiewicz, dyrektor Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego.
Czy można ograniczyć liczbę bolesnych biopsji?
Naukowcy z Laboratorium Stosowanej Sztucznej Inteligencji w Ośrodku Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB) opracowali platformę badawczą eRADS, która służy do standaryzacji opisów raportów medycznych. Narzędzie to pozwala obiektywnie ocenić istotność kliniczną zmiany na podstawie pięciostopniowej skali PI-RADS. Platforma umożliwia także zbieranie danych z badań, co w przyszłości pomoże stworzyć rozwiązania, które automatycznie będą szacowały cechy istotne klinicznie. Zastosowano w tym przypadku sztuczną inteligencję do wspomagania procesów decyzyjnych. Badacze OPI PIB przeprowadzili badanie pilotażowe z udziałem 16 pacjentów diagnozowanych przez dwóch różniących się stażem pracy radiologów podczas ich dyżuru w Centralnym Szpitalu Klinicznym MSWiA w Warszawie. Celem pilotażu była ocena rzetelności oraz wstępnej użyteczności klinicznej systemu eRADS.
Wyniki badania pilotażowego są bardzo obiecujące. Oceny istotności klinicznej zmiany przez radiologów z wykorzystaniem narzędzia opracowanego przez naukowców OPI PIB są bardziej zgodne, niż gdy dokonują oni analizy bez użycia platformy. Zastosowanie eRADS pomaga zmniejszyć różnice między jakością diagnozy lekarzy doświadczonych i niedoświadczonych. Precyzyjna ocena zmian pozwoli znacznie ograniczyć liczbę pacjentów, którzy są wysyłani na biopsję. W przypadku badania prostaty wiąże się ona z dyskomfortem dla pacjenta. Polega na pobraniu materiału z kilku do kilkunastu wkłuć.
Czy sieci neuronowe zastąpią w przyszłości lekarzy?
Piotr Sobecki, kierownik Laboratorium Stosowanej Sztucznej Inteligencji w OPI PIB podkreśla, że w laboratorium Ośrodka badano także wykorzystanie w diagnostyce raka prostaty innych obszarów sztucznej inteligencji. – Analizowaliśmy zastosowanie narzędzi wykorzystujących uczenie maszynowe i głębokie. Naszym celem było porównanie otrzymanych wyników z diagnozami postawionymi przez doświadczonych i niedoświadczonych radiologów. Model predykcyjny istotności klinicznej zmian, oparty o narzędzia uczenia maszynowego, bazował na cechach obrazu (np. jednorodności) w badanych komórkach i ich otoczeniu. Uzyskaliśmy model trafnie klasyfikujący istotnie klinicznie zmiany z prawdopodobieństwem 75 proc., co można porównać do diagnozy niedoświadczonego lekarza. Najbardziej obiecujące rezultaty otrzymaliśmy jednak z zastosowania wiedzy domenowej w architekturze sieci neuronowych. Opracowane modele dają lepszą jakość diagnozy zmian nowotworowych w porównaniu z ocenami niedoświadczonych i doświadczonych radiologów, stawiając trafną diagnozę z prawdopodobieństwem 84 proc. – relacjonuje Piotr Sobecki.
Jak podkreślają naukowcy, zastosowanie wiedzy domenowej w architekturze sieci neuronowych wpływa na szybkość uczenia modelu w przypadku diagnostyki raka prostaty. Analizowano efekt lokalizacji zmiany w prostacie i niezależnie od tego czynnika, wyniki otrzymane za pomocą modeli wykorzystujących sieci neuronowe były takie same lub lepsze od diagnozy postawionej przez doświadczonych radiologów. Potwierdziły to wyniki badania OPI PIB z użyciem danych historycznych od 6 radiologów oceniających 32 zmiany nowotworowe. Sztuczna inteligencja, wykorzystująca uczenie głębokie, nie zastąpi jednak lekarzy, ale ułatwi im pracę i przyspieszy rozpoczęcie leczenia pacjenta. Wciąż jednak mało jest otwartych zbiorów baz danych, które można wykorzystać do usprawnienia algorytmów sztucznej inteligencji.
– Należy pamiętać, że modele te są tak dobre jak dane, na których zostały wyuczone. Chodzi zarówno o ich liczebność, jak i o jakość – podkreślają zgodnie badacze z Laboratorium Stosowanej Inteligencji w OPI PIB..
