Gruczolakorak płuca pozostaje jednym z najtrudniejszych nowotworów do trafnej diagnozy. Patomorfolodzy poświęcają niezliczone godziny na analizę próbek tkankowych pod mikroskopem, aby określić stopień zaawansowania choroby i przewidzieć rokowania pacjentów. Nowe badanie opublikowane w International Journal of Surgery wskazuje, że generatywna sztuczna inteligencja (GenAI) może zasadniczo zmienić ten proces, zapewniając szybkość i precyzję dorównującą, a w niektórych aspektach przewyższającą, ludzką ekspertyzę.
Zespół badawczy kierowany przez dr. Anqi Lina w Zhujiang Hospital Southern Medical University przetestował trzy zaawansowane modele GenAI: GPT-4o, Claude-3.5-Sonnet oraz Gemini-1.5-Pro. Analizując 310 preparatów diagnostycznych z baz The Cancer Genome Atlas oraz dodatkowe 182 preparaty z niezależnych ośrodków medycznych, naukowcy odkryli, że systemy te potrafią rozpoznawać wzorce nowotworowe i klasyfikować guzy z imponującą dokładnością.
– Największym zaskoczeniem była nie tylko trafność, ale i powtarzalność wyników – podkreśla dr Peng Luo, współautor badania. – Model Claude-3.5-Sonnet osiągnął średnią dokładność 82,3% w rozróżnianiu różnych stopni nowotworu, a przy wielokrotnych testach na tych samych próbkach zachowywał stabilność wyników.
Osiągnięcie to wykracza poza zwykłą diagnostykę. Zespół opracował zaawansowany model prognostyczny, łączący cechy patologiczne wyodrębnione przez GenAI z danymi klinicznymi, który z powodzeniem przewidywał wyniki leczenia w wielu badaniach walidacyjnych. Model ten zidentyfikował 11 kluczowych cech histologicznych i 4 zmienne kliniczne, tworząc kompleksową ocenę ryzyka dla pacjentów.
Co istotne, modele GenAI wykonywały w ciągu minut zadania, które tradycyjnie wymagają od patomorfologów wielu godzin pracy. System precyzyjnie kwantyfikował cechy, takie jak martwica guza, układ komórek czy reakcje zapalne, zastępując subiektywne opisy obiektywnymi pomiarami procentowymi. Ma to szczególne znaczenie w regionach o ograniczonych zasobach, gdzie brakuje doświadczonych specjalistów – technologia może zapewnić standaryzowaną, wysokiej jakości ocenę diagnostyczną, ujednolicając wyniki i eliminując problem zmienności między obserwatorami.
Ponadto zdolność systemów GenAI do równoczesnej analizy wielu cech histologicznych otwiera drogę do odkrywania nowych wzorców prognostycznych. W badaniu szczególne znaczenie prognostyczne uzyskały: włóknienie śródmiąższowe, wzorce brodawkowate oraz nacieki limfocytarne. Taka systematyczna analiza jest w praktyce niemal niemożliwa do przeprowadzenia metodami tradycyjnymi i może doprowadzić do przełomowych odkryć w biologii nowotworów oraz w opracowywaniu strategii terapeutycznych.
Źródło: International Journal of Surgery
