סרטן הריאות הוא מחלה הרסנית. על פי ארגון הבריאות העולמי, סרטן ריאות הוא אחד מגורמי המוות השכיחים ביותר בעולם, המהווה כמעט 2.21 מיליון מקרים בשנת 2020 בלבד. חשוב לציין, המחלה יכולה להיות פרוגרסיבית; כלומר, עבור רבים, זה עשוי להתחיל רק כסימפטומים קלים שאינם מעוררים אזעקה, לפני שהוא מתפתח במהירות לאבחנה מסכנת חיים, המוביל למוות. למרבה המזל, מגוון התרופות המתמקדות בסיוע לחולים עם סרטן ריאות גדל מאוד בשני העשורים האחרונים. עם זאת, גילוי מוקדם של הסרטן הוא עדיין אחד האמצעים היחידים להורדה משמעותית של שיעורי התמותה.
הישג בולט אחד בזירה זו הוא ההכרזה האחרונה של המכון הטכנולוגי של מסצ'וסטס (MIT) ובית החולים Mass General Hospital (MGH) בנוגע לפיתוח מודל למידה עמוקה בשם "סיביל" שניתן להשתמש בו כדי לחזות את הסיכון לסרטן ריאות, תוך שימוש בנתונים מסריקת CT בודדת בלבד. ה ללמוד פורסם רשמית בכתב העת Journal of Clinical Oncology בשבוע שעבר, והוא דן כיצד "כלים המספקים הערכת סיכון עתידית מותאמת אישית לסרטן יכולים למקד גישות כלפי אלה שסביר להניח שירוויחו". לפיכך, מובילי המחקר טענו כי "ניתן לבנות מודל למידה עמוקה המעריך את כל נתוני ה-LDCT [Low Dose Contrast CT] כדי לחזות סיכון אינדיבידואלי מבלי לדרוש נתונים דמוגרפיים או קליניים נוספים."
המודל מתחיל עם עיקרון בסיסי: "תמונות LDCT מכילות מידע המנבא את הסיכון העתידי לסרטן ריאות מעבר למאפיינים הניתנים לזיהוי כמו גושים ריאות." לפיכך, המפתחים ביקשו "לפתח ולאמת אלגוריתם למידה עמוקה המנבא סיכון עתידי לסרטן ריאות עד 6 שנים מסריקת LDCT אחת, ולהעריך את ההשפעה הקלינית הפוטנציאלית שלו".
בסך הכל, המחקר הצליח להפליא עד כה: סיביל מסוגלת לחזות את הסיכון העתידי של חולה לסרטן ריאות במידה מסוימת של דיוק, תוך שימוש בנתונים מ-LDCT אחד בלבד.
ללא ספק, יישומים קליניים והשלכות לטכנולוגיה זו עדיין לא בשלות. אפילו מובילי המחקר מסכימים שתצטרך לעשות עבודה משמעותית כדי להבין איך בדיוק ליישם את הטכנולוגיה הזו בפרקטיקה הקלינית בפועל - במיוחד בכל הקשור לפיתוח מידה של אמון בטכנולוגיה, שבה רופאים ומטופלים ירגישו בטוחים להסתמך עליה. תפוקות המערכת.
עם זאת, הנחת היסוד של האלגוריתם עדיין חזקה להפליא וטומנת בחובה מחליף משחק פוטנציאלי בתחום האבחון החזוי.
בדיקת CT, המציגה סרטן ריאות גרורתי. (צילום מאת BSIP/Universal Images Group דרך Getty ... [+]
קבוצת תמונות אוניברסליות באמצעות Getty Images
אמצעי אבחון מעולם לא היו כה חזקים. העובדה שכלי יכול להשתמש בסריקת CT אחת בלבד כדי לחזות תפקוד מחלה ארוך טווח עשויה לפתור בעיות רבות - החשובה שבהן היא מתן טיפול מוקדם וירידה בתמותה.
חכמים, בהסמקה הראשונית, עלולים להדוף מערכות כמו אלה, ולהעיר שאף מערכת בינה מלאכותית לא יכולה להשתוות לכושר השיפוט והיכולת הקלינית מספיק כדי להחליף רופא אנושי. אבל מטרתן של מערכות כאלה היא לא בהכרח להחליף מומחיות רופא, אלא להגביר פוטנציאל את זרימות העבודה של הרופאים.
מערכת כמו סיביל יכולה לשמש בקלות רבה ככלי המלצה, ולסמן פוטנציאל לגבי CT לרופא, שיוכל אז להשתמש בשיקול הדעת הקליני שלו כדי להסכים או לא להסכים עם ההמלצה של סיביל. זה לא רק ישפר ככל הנראה את התפוקה הקלינית, אלא יכול גם לשמש כתהליך "בדיקה" משני ואולי לשפר את דיוק האבחון.
אין ספק, יש עוד הרבה עבודה לעשות בזירה הזו. למדענים, מפתחים ומחדשים יש מסע ארוך לפניהם, לא רק בשכלול האלגוריתם והמערכת עצמה, אלא גם בניווט בזירה היפר-ניואנסית של הכנסת טכנולוגיה זו ליישומים קליניים ממשיים. עם זאת, הטכנולוגיה, הכוונה והפוטנציאל הטמון בה בכל הנוגע לשיפור הטיפול בחולים, אם יתפתח בצורה בטוחה, אתית ויעילה, אכן מבטיחים לדור האבחון שיבוא.
מקור: https://www.forbes.com/sites/saibala/2023/01/16/mit–mass-general-hospital-have-developed-an-ai-system-that-can-detect-lung-cancer/