Σε μια μελέτη που δημοσιεύτηκε σήμερα στο Nature Communications, μια ομάδα επιστημόνων από τον Γαλλοαμερικανό techbio Owkin και τα εργαστήρια παθολογίας στη Γαλλία παρουσιάζει μια τυφλή επικύρωση του MSIntuit CRC, ενός πρώτου στην κατηγορία διαγνωστική ψηφιακής παθολογίας που βασίζεται σε τεχνητή νοημοσύνη που αναπτύχθηκε από τον Owkin, ως εργαλείο προληπτικού ελέγχου που στοχεύει στη βελτιστοποίηση της ακρίβειας της διάγνωσης και της θεραπείας του καρκίνου του παχέος εντέρου.
Με σχεδόν δύο εκατομμύρια νέες περιπτώσεις και ένα εκατομμύριο θανάτους παγκοσμίως το 2020, ο καρκίνος του παχέος εντέρου είναι ο τρίτος συχνότερος καρκίνος παγκοσμίως και η δεύτερη αιτία θνησιμότητας από καρκίνο. Η μικροδορυφορική αστάθεια (MSI) είναι ένας βασικός γονιδιωματικός βιοδείκτης στον καρκίνο του παχέος εντέρου και αντιπροσωπεύει το ~ 15% του συνολικού πληθυσμού του CRC. Πρόσφατες κλινικές δοκιμές έδειξαν ότι ο φαινότυπος MSI έχει τόσο προγνωστική όσο και θεραπευτική σημασία, ειδικά με την πρόσφατη έγκριση των θεραπειών με αναστολείς του ανοσοποιητικού σημείου ελέγχου (ICI).
Οι ασθενείς των οποίων οι όγκοι εμφανίζουν MSI, θεωρείται πιθανό να ανταποκριθούν στη θεραπεία ICI και συνιστάται για αυτήν. Αντίθετα, το ICI δεν συνιστάται συνήθως για όσους έχουν όγκους που είναι σταθεροί σε μικροδορυφόρους (MSS). Ως αποτέλεσμα, η δοκιμή MSI συνιστάται πλέον από συναινετικές κατευθυντήριες γραμμές σε όλο τον κόσμο ως οδηγός για την καλύτερη θεραπεία. Τα εργαλεία προληπτικού ελέγχου που μπορούν να εξαλείψουν την ανάγκη εξέτασης όλων των ασθενών προσφέρουν την ευκαιρία να εξορθολογιστεί η διαδικασία και να μειωθεί η πίεση στο προσωπικό και τους πόρους του εργαστηρίου.
Η σημερινή μελέτη αποκαλύπτει ότι το MSIntuit CRC μπορεί να αποκλείσει με ακρίβεια σχεδόν το 50% των ασθενών με MSS, ενώ ταξινομεί σωστά περισσότερο από το 96% των ασθενών με MSI, στο ίδιο επίπεδο με τις τρέχουσες μεθόδους χρυσού προτύπου (92-95%). Τέτοιες νέες λύσεις ανοίγουν το δρόμο για μια βελτιστοποιημένη ροή εργασιών προσυμπτωματικού ελέγχου για τον έλεγχο περισσότερων ασθενών, πιο γρήγορα.
«Αυτή η νέα προσέγγιση θα έχει άμεσο αντίκτυπο στη λήψη αποφάσεων για τον ογκολόγο και θα βοηθήσει να δοθεί η καλύτερη θεραπεία στους ασθενείς νωρίτερα», δηλώνει ο Magali Svrcek, διεθνής ειδικός στην παθολογία του γαστρεντερικού συστήματος, καθηγητής στο νοσοκομείο Saint Antoine, στο Πανεπιστήμιο της Σορβόννης, στο AP-HP, στη Γαλλία και συν. -Τελευταίος συγγραφέας αυτής της έκδοσης. «Θα μπορούσε επίσης να βελτιστοποιήσει το κόστος και την οργάνωση των δοκιμών MSI σε παθολογικά εργαστήρια, ειδικά για χώρες που εφαρμόζουν καθολικό έλεγχο MSI».
Η Meriem Sefta, Chief Diagnostic Officer στο Owkin, δήλωσε: «Με τον αυξανόμενο αριθμό βιοδεικτών που δοκιμάζονται συστηματικά στην κλινική πράξη, η ανάγκη για εργαλεία που μπορούν να μειώσουν τις πιέσεις συμφόρησης και τους πόρους ενώ αυξάνουν τις δοκιμές βιοδεικτών είναι υψίστης σημασίας». «Η λύση μας αντιπροσωπεύει το πρώτο βήμα προς την ανάπτυξη ενός διαγνωστικού τεχνητής νοημοσύνης που μπορεί να αναγνωρίσει ενεργούς βιοδείκτες από μια μόνο διαφάνεια H&E που χρησιμοποιείται στην κλινική ρουτίνα, ωθώντας μας πιο κοντά στην υλοποίηση ενός μέλλοντος ιατρικής ακριβείας».
Ένα σημαντικό πλεονέκτημα της μελέτης είναι η τυφλή επικύρωση του μοντέλου σε 600 διαδοχικές περιπτώσεις CRC που διαγνώστηκαν σε εννέα διαφορετικά εργαστήρια παθολογίας σε διάστημα δύο ετών, μειώνοντας έτσι τον κίνδυνο μεροληψίας επιλογής, χάρη στο Medipath, το μεγαλύτερο δίκτυο εργαστηρίων παθολογίας στη Γαλλία. Αυτή η επικύρωση πραγματοποιήθηκε επίσης σε δύο διαφορετικούς σαρωτές διαφανειών παθολογίας και πραγματοποιήθηκε με συνέπεια με ευαισθησία 96% και 98% αντίστοιχα.
Αυτή και άλλες μεθοδολογικές προσεγγίσεις, όπως η έμφαση στην ευαισθησία και την ιδιαιτερότητα ως δείκτες απόδοσης, αποδεικνύουν τη δέσμευση για στιβαρότητα του μοντέλου AI, όλα με σκοπό να διασφαλιστεί ότι το διαγνωστικό είναι κατάλληλο για κλινικές ρυθμίσεις και γενικευμένο σε εργαστήρια και γεωγραφίες.