- Przełom w wykrywaniu raka trzustki: AI potrafi zidentyfikować chorobę we wczesnym stadium.
- Sztuczna inteligencja wykrywa nowotwór średnio 1,5 roku wcześniej niż tradycyjne metody diagnostyczne.
- Dzięki wczesnej diagnozie rokowania pacjentów mogą znacznie się poprawić.
- Czy AI zrewolucjonizuje walkę z jednym z najgroźniejszych nowotworów?
Cichy zabójca z opóźnionym wyrokiem
Rak trzustki od lat plasuje się w czołówce najbardziej śmiertelnych nowotworów złośliwych. Nie dlatego, że jest wyjątkowo agresywny w porównaniu z innymi, ale dlatego, że przez długi czas nie daje żadnych objawów. Gdy wreszcie zaczyna boleć, uciskać, utrudniać trawienie czy powodować żółtaczkę, zazwyczaj jest już za późno na skuteczne leczenie. Pięcioletnie przeżycia dotyczą jedynie kilkunastu procent chorych, a w przypadku przerzutów odsetek ten spada do zaledwie kilku procent.
Gruczolakorak przewodowy trzustki, czyli PDAC (ang. pancreatic ductal adenocarcinoma), to najczęstsza postać tego nowotworu – odpowiada za około 90 proc. wszystkich przypadków raka trzustki. Jego szczególna złośliwość wynika z połączenia kilku czynników: trudnej anatomicznie lokalizacji narządu, głęboko ukrytego między żołądkiem a kręgosłupem, braku swoistych markerów we wczesnym stadium, a także naturalnej skłonności guza do szybkiego naciekania okolicznych struktur i dawania przerzutów do wątroby i węzłów chłonnych.
Skany, które nie mówiły wszystkiego – do tej pory
Standardowa tomografia komputerowa, będąca podstawą diagnostyki obrazowej jamy brzusznej, ma swoje granice. Doświadczony radiolog patrząc na obraz trzustki w najwcześniejszym stadium nowotworu – określanym jako stadium 0 – nie widzi nic niepokojącego. Tkanki wyglądają normalnie. Nie ma guza, który dałoby się uchwycić okiem. I właśnie tutaj przez dziesięciolecia pułapka się zamykała.
Naukowcy postanowili sprawdzić, czy sztuczna inteligencja jest w stanie dostrzec to, czego ludzkie oko – nawet wprawione – nie potrafi. Efektem tych prac jest system REDMOD, czyli Radiomics-based Early Detection MODel, opisany w internetowym wydaniu renomowanego czasopisma naukowego „Gut".
Jak działa REDMOD?
REDMOD to zaawansowane narzędzie oparte na radionice – dziedzinie medycyny, która analizuje subtelne wzorce tekstury tkanek widoczne na obrazach radiologicznych, niedostrzegalne gołym okiem. System wykorzystuje algorytmy uczenia maszynowego do identyfikowania mikroskopijnych, przedklinicznych zmian w obrębie trzustki, zanim rozwiną się one w klasyczny, uchwytny guz.
Ważnym elementem rozwiązania jest automatyczna segmentacja trzustki – system samodzielnie odgranicza granice narządu od otaczających tkanek i organów. Eliminuje to konieczność ręcznego obrysowywania przez radiologa, co nie tylko przyspiesza analizę, ale też usuwa element błędu ludzkiego wynikający z subiektywnej oceny.
Badanie na setkach pacjentów
Żeby zweryfikować skuteczność REDMOD, naukowcy zastosowali go do analizy tomografii komputerowej jamy brzusznej 219 pacjentów z kilku różnych szpitali. Wszyscy mieli jedno wspólne: ich skany były oceniane przez radiologów jako prawidłowe – bez żadnych oznak choroby. A jednak u wszystkich tych osób po pewnym czasie zdiagnozowano raka trzustki.
Spośród tych pacjentów u 87 (40 proc.) diagnoza pojawiła się od trzech do dwunastu miesięcy po wykonaniu skanu, u 76 (35 proc.) – między 12. a 24. miesiącem, a u 56 (25 proc.) – ponad dwa lata później (do około trzech lat). U prawie dwóch trzecich (64 proc.) badanych choroba zlokalizowana była w głowie trzustki. Średni wiek osób, u których następnie zdiagnozowano raka, wynosił 69 lat (zakres: 34–88 lat).
Skany te porównano z obrazami 1243 pacjentów, u których choroba nie rozwinęła się przez co najmniej trzy lata. Grupy dobrano pod względem wieku, płci i daty wykonania badania. Średni wiek grupy kontrolnej wynosił 64 lata (zakres: 34–88 lat).
475 dni przewagi nad chorobą
Wyniki przerosły oczekiwania. REDMOD wykrył „niewidzialne" objawy przedklinicznego gruczolakoraka przewodowego trzustki średnio 475 dni przed rozpoznaniem klinicznym. To ponad rok i trzy miesiące wcześniej, niż lekarz byłby w stanie postawić diagnozę tradycyjnymi metodami.
„To okno czasowe ma ogromne znaczenie, ponieważ wczesne wykrycie choroby znacznie zwiększa prawdopodobieństwo wyleczenia i poprawy przeżywalności" – podkreślają badacze.
Skala potencjalnej zmiany jest ogromna. „W rzeczywistości badania modelowe wskazują, że zwiększenie odsetka zlokalizowanych [raków przewodowych trzustki] z 10% do 50% ponad dwukrotnie zwiększyłoby wskaźniki przeżywalności, co podkreśla, że moment diagnozy jest najważniejszym czynnikiem determinującym wyniki przeżywalności" – dodają autorzy badania.
AI kontra radiolog – porównanie, które mówi wszystko
Gdy zestawiono wyniki REDMOD z oceną doświadczonych radiologów, różnica okazała się uderzająca. System AI był prawie dwukrotnie bardziej czuły w wykrywaniu wczesnych zmian nowotworowych: skuteczność na poziomie 73 proc. wobec 39 proc. w przypadku radiologów.
Jeszcze bardziej imponujące okazały się wyniki dla przypadków wykrytych ponad dwa lata przed kliniczną diagnozą – REDMOD był tam prawie trzykrotnie dokładniejszy niż specjaliści: 68 proc. vs 23 proc.
System sprawdził się też w identyfikowaniu skanów zdrowych. Ponad 81 proc. obrazów z niezależnej grupy 539 pacjentów z różnych szpitali zostało prawidłowo zakwalifikowanych jako wolne od raka trzustki. W publicznym zbiorze danych NIH-PCT Narodowych Instytutów Zdrowia USA (80 pacjentów) odsetek ten wyniósł 87,5 proc.
Warto też podkreślić stabilność systemu: REDMOD dawał tę samą odpowiedź w 90–92 proc. przypadków, gdy ten sam pacjent był ponownie analizowany na podstawie skanu sprzed kilku miesięcy.
Kto skorzysta pierwszy?
Naukowcy są ostrożni w formułowaniu wniosków i przyznają, że wyniki mają pewne ograniczenia. Badana populacja nie była zróżnicowana etnicznie, co może wpływać na możliwość uogólniania rezultatów. Przed wprowadzeniem REDMOD do rutynowej praktyki klinicznej konieczna jest prospektywna walidacja – czyli testy w warunkach rzeczywistych, na pacjentach jeszcze niezdiagnozowanych.
Naukowcy wskazują, że w pierwszej kolejności system powinien być testowany w grupach wysokiego ryzyka, czyli u osób z nieoczekiwaną, niewyjaśnioną utratą masy ciała oraz u tych ze świeżo rozpoznaną cukrzycą. Oba te objawy mogą być wczesnymi sygnałami rozwijającego się nowotworu trzustki, choć niezwykle rzadko są tak interpretowane na etapie podstawowej opieki zdrowotnej.
Zmiana paradygmatu, nie tylko narzędzie
Autorzy badania nie kryją ambicji. W podsumowaniu piszą: „Niniejsze badanie potwierdza, że REDMOD jest w pełni zautomatyzowanym systemem sztucznej inteligencji, który umożliwia identyfikację sygnatur obrazowych gruczolakoraka przewodowego trzustki w stadium 0 w zdrowej trzustce, a jednocześnie pozwala na osiągnięcie tego przy znacznie krótszym czasie realizacji i z wydajnością przewyższającą doświadczoną radiologię".
Dodają: „Chociaż prospektywna walidacja ma kluczowe znaczenie dla potwierdzenia przydatności klinicznej, ramy REDMOD stanowią znaczący postęp w kierunku zmiany paradygmatu w przypadku sporadycznego [gruczolakoraka przewodowego trzustki] z objawowej diagnozy w późnym stadium na proaktywne przechwycenie przedkliniczne, co daje realną nadzieję na poprawę wyników leczenia tej trudnej choroby".
Jeśli kolejne testy potwierdzą skuteczność systemu, może to oznaczać prawdziwą rewolucję w onkologii – nie tylko w leczeniu raka trzustki, ale też w podejściu do wczesnego wykrywania nowotworów tam, gdzie dotychczas czuliśmy się bezradni.
Źródło: Next-generation AI for visually occult pancreatic cancer detection in a low-prevalence setting with longitudinal stability and multi-institutional generalisability, Gut (2026). DOI: 10.1136/gutjnl-2025-337266
