Врачи, использующие алгоритм одного из поставщиков, обнаружили ошибки в диагностике плоскоклеточного рака легких, влияющие на решения о лечении и результаты лечения пациентов. Главный клинический директор компании подробно рассказывает об исследовании, опубликованном в журнале JAMA. Global Artificial Intelligence 
Доктор Мэтью Оберли, старший вице-президент, главный клинический директор и главный патолог компании Caris Life Sciences.
Фото: Caris Life Sciences
Компания Caris Life Sciences, занимающаяся биотехнологиями и прецизионной медициной с использованием искусственного интеллекта, опубликовала в журнале JAMA Network Open новое исследование под названием «Подход с использованием ИИ для дифференциации плоскоклеточного рака легких от метастазов другого происхождения».
Компания заявляет, что отчет основывается на имеющихся данных, демонстрирующих эффективность ее запатентованного алгоритма GPSai по сравнению с традиционными диагностическими процедурами в правильной диагностике типов рака.
В статье показано, что включение алгоритмов искусственного интеллекта в рутинное комплексное молекулярное профилирование позволяет врачам выявлять клинически значимые ошибочные диагнозы в случаях, когда рак легких классифицируется как плоскоклеточный рак, что влияет на решения о лечении и результаты лечения пациентов, пояснил доктор Мэтью Оберли, главный клинический директор и главный патолог компании Caris Life Sciences.
«В нашем исследовании было изучено почти 4000 случаев, представленных для молекулярного профилирования с предполагаемым диагнозом первичной плоскоклеточной карциномы легких — категории рака, которую трудно отличить от метастатической плоскоклеточной карциномы, возникающей в других частях тела, поскольку плоскоклеточная карцинома может возникать во многих анатомических областях у человека», — сказал Оберли.
«Применив модель определения происхождения ткани на основе искусственного интеллекта в сочетании с клиническими, молекулярными и иммуногистохимическими данными, мы выявили значительную подгруппу случаев с ошибочным диагнозом», — продолжил он. «Из 3958 случаев 123 — примерно 3,1% — в конечном итоге были признаны ошибочно диагностированными, представляя собой плоскоклеточный рак, метастазировавший в легкие из других первичных очагов».
подтверждение модели ИИ
Неправильно классифицированные опухоли имели различное происхождение, включая кожные, опухоли головы и шеи, уротелиальные и тимусные карциномы. В большинстве случаев предсказание модели ИИ подтверждалось дополнительными ортогональными данными, такими как геномные сигнатуры, иммуногистохимия или клинический анамнез. Важно отметить, что исследование показало, что примерно в трех четвертях этих случаев исправленные диагнозы совпадали с известными клиническими или визуализационными данными, что подтверждает достоверность пересмотренной классификации, добавил он.
«Возможно, наиболее клинически значимым является то, что в большинстве случаев изменения в диагнозе приводят к различным рекомендациям по лечению первой линии в соответствии с установленными клиническими руководствами», — отметил Оберли. «Это подчеркивает, что даже относительно небольшой процент ошибочной диагностики может иметь огромные последствия для лечения пациентов, особенно когда опухоль первоначально воспринимается как рак легких на ранней стадии, но оказывается метастатическим заболеванием».
«Главное преимущество ИИ в этом контексте заключается в его способности синтезировать сложные многомерные данные в больших масштабах», — продолжил он. «Традиционная патология опирается на внешний вид опухоли под микроскопом и ограниченный набор биомаркеров. Плоскоклеточная карцинома выглядит одинаково под микроскопом независимо от ее происхождения. ИИ, напротив, одновременно интегрирует экспрессию генов, геномные изменения и другие молекулярные сигналы, что позволяет ему обнаруживать закономерности, которые легко пропустить при использовании традиционных методов».
Еще одним ключевым преимуществом является то, что ИИ работает как постоянно действующий инструмент скрининга, добавил он.
«В этом исследовании модель ИИ применялась ко всем случаям, подвергавшимся молекулярному профилированию, независимо от предварительных подозрений на ошибочный диагноз», — пояснил он. «Это важно, потому что многие диагностические ошибки сохраняются просто из-за отсутствия подозрений или неполного клинического контекста. Систематически выявляя несоответствующие случаи, ИИ вводит форму контроля качества, которая функционирует независимо от индивидуальной бдительности или опыта».
«Искусственный интеллект превосходно справляется с выявлением тонких молекулярных «сигнатур», указывающих на происхождение опухоли, таких как мутации, вызванные УФ-излучением, в раковых заболеваниях кожи или сигналы, связанные с патогенами, например, инфекция вирусом папилломы человека», — продолжил он. «Эти сигналы могут быть технически обнаружены человеком, если их учитывать, но их редко оценивают комплексно или в сочетании в ходе рутинных рабочих процессов».
По его словам, преимущество ИИ заключается в его способности интегрировать разрозненные потоки данных в единую вероятностную оценку, эффективно дополняя человеческий опыт.
Значительное неудовлетворительное качество медицинской помощи
Оберли пояснил, что в больших масштабах даже небольшой процент ошибочных диагнозов может привести к тому, что значительное число пациентов получит некачественное лечение.
«Исследование показывает, что если аналогичные показатели сохранятся в целом, тысячи пациентов ежегодно могут пострадать от неправильной классификации опухолей всего лишь в одном подтипе рака», — сказал он. «Таким образом, систематическое внедрение ИИ в диагностические процессы может оказать существенное влияние, уменьшив эти ошибки и обеспечив, чтобы больше пациентов получали терапию, соответствующую истинной биологии их заболевания».
«Последствия выходят за рамки отдельных диагнозов и затрагивают общую эффективность и согласованность лечения рака», — продолжил он. «Стандартизация оценки происхождения опухоли в различных учреждениях и условиях оказания медицинской помощи позволяет ИИ снизить вариативность качества диагностики. Это может быть особенно ценно в условиях местных сообществ или регионах с ограниченными возможностями узкоспециализированных экспертов, фактически демократизируя доступ к передовым диагностическим возможностям».
В более широком смысле, повсеместное внедрение таких технологий может ускорить переход к прецизионной онкологии, добавил он.
«Точное определение происхождения опухоли имеет основополагающее значение для выбора соответствующей онкологической терапии, включения пациентов в клинические исследования и прогнозирования результатов», — заключил он. «По мере того, как ИИ все больше интегрируется в рутинную медицинскую практику, он может исправлять ошибки и выявлять ранее нераспознанные закономерности развития заболеваний, в конечном итоге способствуя более персонализированному, основанному на данных лечению рака в масштабах населения».
Следите за публикациями Билла Сивики о медицинских информационных технологиях в LinkedIn: Bill Siwicki
Напишите ему по электронной почте: [email protected]
Healthcare IT News — это издание HIMSS Media.
СМОТРИТЕ СЕЙЧАС: Искусственный интеллект Agentic может превратить клинические записи в ценные выводы
Источник: www.healthcareitnews.com
