Tylko jednorożce mogą pokonać raka

I choć zwycięstwa i przełomy ogłaszano już wcześniej, dziś dzieją się one na każdym polu. I wszędzie wspólnym mianownikiem tej wojny jest sztuczna inteligencja oraz algorytmy uczenia maszynowego. Co więcej, swoje szarże mają też Polacy.

Algorytmy są lepsze niż ludzkie oko, więc w analizie obrazów i skanach tę potyczkę wygrywamy spektakularnie. Polacy z Ataraxis AI budują model sztucznej inteligencji (Kestrel) do wykrywania raka piersi na bardzo wczesnym etapie choroby. Ich aplikacja, Ataraxis Breast, okazała się o 30 proc. lepsza w wykrywaniu tego typu nowotworu niż standardowe metody.

Z kolei system AI do analizy mammografii opracowany w Instytucie Karolinska potrafi na podstawie rutynowego badania przesiewowego wytypować, które kobiety będą w przyszłości szczególnie zagrożone rakiem piersi – dostrzegając tysiące detali kompletnie niedostępnych dla człowieka.

Na polu diagnostyki patologicznej cyfrowe oczy AI znacząco przyspieszają i usprawniają pracę patologów. W 2024 r. wiodące ośrodki onkologiczne wdrożyły systemy firm takich jak Paige czy PathAI, skracając czas oczekiwania na wynik biopsji z siedmiu dni do 24 godzin przy jednoczesnym wzroście dokładności diagnozy o 23 proc.

AI usprawnia także diagnostykę za pomocą danych laboratoryjnych i innych sygnałów z ciała pacjenta. Zaawansowane algorytmy mogą analizować profil metabolitów we krwi czy subtelne odchylenia wyników morfologii, wskazując na wczesne stadium choroby nowotworowej, jeszcze zanim wartości przekroczą oficjalne normy. W Polsce zespół naukowców Politechniki Warszawskiej wraz z Polską Grupą Raka Płuca opracował model XLungs na bazie 40 tys. skanów TK płuc, który ma wspierać radiologów w szybszym i dokładniejszym rozpoznawaniu zmian nowotworowych.

Z kolei platforma SARAH stworzona przez startup Saventic Health wykorzystuje AI do przeszukiwania ogromnych baz danych szpitalnych i wychwytywania pacjentów, u których kombinacja wyników badań sugeruje wczesnego raka lub chorobę rzadką trudną do zdiagnozowania.

AI pomaga segmentować guzy na obrazach MRI z większą dokładnością, co ułatwia planowanie operacji neurochirurgicznych. Ponadto trwają prace nad algorytmami przewidującymi na podstawie obrazów i danych molekularnych, czy guz mózgu ma określone mutacje genetyczne (np. mutację IDH1), co ma znaczenie dla rokowania i doboru terapii.

Kolejną niezwykle mocną taktyką jest tzw. federacyjne uczenie maszynowe. Polega to na tym, że łączy się dane z wielu ośrodków, by badać rzadkie nowotwory. W ubiegłym roku dzięki takiemu podejściu zidentyfikowano np. pięć nowych biomarkerów dla rzadkich nowotworów dziecięcych, analizując dane z 65 instytucji na trzech kontynentach.

Te przykłady można mnożyć. Dzięki AI mamy spersonalizowane terapie, platformy wsparcia decyzji lekarzy, wymyślamy tysiące nowych inhibitorów, monitorujemy przebieg terapii. Potencjał jest ogromny. Jest jednak problem. Bo nie jesteśmy tylko na wojnie z rakiem. Firmy, które rozwijają te technologie, muszą się zmierzyć jeszcze z regulacjami i certyfikacjami, muszą mieć dostęp do danych, co nie jest łatwe, muszą mieć dostęp do potężnego kapitału i na koniec muszą przełamywać opór części lekarzy, którzy boją się, że zastąpi ich algorytm. Te startupy, które przez to przejdą, będą nie tylko jednorożcami. Będą jednorożcami, które pokonały raka.