Иновативен проект, насочен към подобряване на ранната диагностика на простатния карцином чрез разработване на AI-предиктивен модел, стартира в УМБАЛ „Александровска”. Той ще подпомогне лекарите в случаите, когато дори съвременните методи не дават категоричен отговор за съществуващо заболяване и създават диагностична несигурност. Моделът ще подпомогне клинициста при вземането на адекватно решение. За новаторския AI проект за диагностика на простатния карцином разговаряме с д-р Явор Граматиков.
Визитка♦ Д-р Явор Граматиков е възпитаник на МУ - София. След завършване на образованието си се насочва към нуклеарната медицина. Изборът му е продиктуван от интерес към съвременните високи технологии за диагностика и лечение, които навлизат все по-бързо в клиничната практика у нас. Част е от екипа специалисти в Клиниката по нуклеарна медицина към УМБАЛ „Александровска". |
- Д-р Граматиков, каква информация „захранва“ алгоритъма на вашия AI модел, за да предвиди карцинома?
- Туморният маркер PSA е важен ориентир, но сам по себе си не е достатъчен, за да докаже или изключи наличието на простатен карцином. Моделът, който искаме да разработим, ще бъде обучаван основно с образи от 68Ga-PSMA PET/CT и от магнитнорезонансна томография.
Към тях ще добавим и няколко важни клинични показателя като възраст, стойност на PSA и PSA плътност. Най-същественото е, че моделът ще бъде обучаван и валидиран чрез реални хистологични данни от вече проведени биопсии, които остават стандартът за потвърждаване на диагнозата.
- Кои са т.нар. сиви зони в диагностиката на рака на простатата, където лекарите и сега изпитват най-големи колебания?
- „Сивите зони“ са случаите, при които отделните изследвания не дават достатъчно категоричен отговор. Например лабораторните показатели могат да будят известно съмнение за простатен карцином, но магнитният резонанс да показва неясна находка или изобщо да не може да бъде проведен поради противопоказания при някои пациенти. Тогава можем да използваме PSMA PET/CT като допълнителен диагностичен метод. Понякога обаче и неговият резултат също е граничен – не можем уверено да определим дали находката е доброкачествена или представлява клинично значим карцином. Именно тези случаи са сред най-трудните за лекаря и те са основният фокус на нашия AI модел.
- Доколко специфична е българската база данни с характерните за нацията ни закъснели фази на диагностика?
- Базата данни включва български пациенти, но не се подбира така, че да включва предимно късно диагностицирани случаи. В нея има широк спектър – от пациенти без карцином, през ранни и клинично незначими тумори, до пациенти с напреднало заболяване. Това разнообразие е изключително важно, защото моделът трябва да бъде обучен не само да разпознава карцином, но и да го разграничава от находки, които могат да изглеждат подозрително, без да са злокачествени.
- Проектът получи сериозно признание и финансиране от иновативната програма BEYOND – коя е следващата голяма стъпка в разработката му?
- Участието ни в програмата BEYOND беше важно признание, че идеята има потенциал и би могла да получи подкрепа и от страна на бизнеса. Следващата голяма стъпка е да преминем от концепцията към същинската техническа разработка на модела. За тази цел започваме съвместна работа със София Тех Парк, където медицинската експертиза на нашия екип ще бъде допълнена с необходимия технологичен капацитет. След това ще преминем към етапите по обучение, тестване и валидиране на модела.
- Как изкуственият интелект ще разпознава и скритите биомаркери, оставащи невидими при стандартно разчитане?
- Една от целите ни е той да анализира образите на много по-детайлно ниво и да открива комбинации от текстурни и количествени характеристики, които не могат да бъдат оценени при стандартното визуално разчитане. След това трябва да проверим дали тези характеристики действително са свързани както с наличието на карцином, така и с неговата клинична значимост, като сравним резултатите на модела с хистологичните данни от биопсиите.
Д-р Явор Граматиков
- Ще може ли този модел да улавя агресивни форми на рак, които изглеждат като уголемена простата?
- Именно това е една от основните ни цели – да установим дали моделът може да открива клинично значими форми на простатния карцином, особено когато резултатите от PSMA PET/CT и МРТ са неясни.
- Има ли риск Al да сгреши?
- Разбира се, риск от грешка съществува, както при всеки диагностичен метод. Затова моделът няма да взема самостоятелни решения, а ще служи като допълнителен инструмент за лекаря. Конкретният протокол за проверка ще бъде разработен и валидиран заедно със самия модел.
- Технологията ще предвиди ли дали вече опериран или лекуван пациент е застрашен от рецидив?
- Не, настоящият модел не е насочен към прогнозиране на риска от рецидив на заболяването след лечение. Неговата основна цел е да подпомага първоначалната диагностика на простатния карцином. Подобна прогноза би изисквала отделен модел, обучен и валидиран с друг тип данни.
- Наскоро представихте и метода „троен фюжън“ при биопсия на простатата. Как AI-предиктивният модел се допълва с тази технология?
- Двете технологии се допълват в два последователни етапа от диагностичния процес. Предиктивният модел има за цел да открива зони в простатната жлеза, съмнителни за клинично значим карцином. Софтуерът за така наречения „троен фюжън“, с който вече работим от две години, позволява тези зони да бъдат прецизно таргетирани по време на биопсията с цел допълнително подобряване на точността на процедурата.
- Как изкуственият интелект ще промени терапевтичния план още преди първия срез на хирурга?
- Една от основните цели на модела е не само да намали риска простатният карцином да остане неразпознат, но и да подпомогне по-точната преценка за по-нататъшното клинично поведение именно при граничните случаи, които коментирахме. Ако моделът покаже ниска вероятност за простатен карцином, това би позволило на уролога да избегне ненужна биопсия на този етап, а по този начин – и свързаните с нея усложнения.
- Технологията ще премахне ли активното наблюдение, за да спести на мъжете години мъчително чакане и несигурност?
- Не, целта на технологията не е да премахне т.нар. активно наблюдение. То се прилага при специфична група пациенти с вече доказан простатен карцином, при които не е необходимо незабавно лечение. Нашият модел е насочен към по-ранен етап, преди поставянето на диагнозата, и има за цел да улесни преценката кои пациенти действително се нуждаят от биопсия.
А също и да помогне по-точното локализиране на подозрителната зона в простатната жлеза, така че взетата биопсия да бъде максимално надеждна и информативна. В бъдеще подобни технологии биха могли да допринесат и за по-прецизния подбор на пациентите за активно наблюдение, но засега това не е сред целите на модела, който искаме да обучим.
- Можем ли да очакваме AI моделът на „Александровска“ да редуцира процента на фалшиво отрицателните резултати при ниски нива на туморния маркер (PSA)?
- Именно това е една от целите на модела: да намали вероятността простатният карцином да остане неразпознат при пациенти, при които отделните показатели, включително нивото на PSA, не са достатъчно категорични. Чрез съвместния анализ на PSMA PET/CT, МРТ и клиничните данни се надяваме моделът да разпознава случаи, които биха могли да останат неясни при стандартната оценка. Дали действително ще редуцира процента на фалшиво отрицателните резултати, както и този на фалшиво положителните, ще стане ясно едва след неговото обучение и валидиране в реалната клинична практика.
Милена ВАСИЛЕВА
