Τεχνητή Νοημοσύνη Εργαλείο: Επιστήμονες ανέπτυξαν ένα εργαλείο τεχνητής νοημοσύνης (AI) ικανό να αποκρυπτογραφήσει τον γενετικό κώδικα ενός όγκου στον εγκέφαλο σε πραγματικό χρόνο, κατά τη διάρκεια της χειρουργικής επέμβασης – μια πρόοδος που, όπως λένε, θα μπορούσε να επιταχύνει τη διάγνωση και να εξατομικεύσει τη θεραπεία των ασθενών. Οι ερευνητές εκπαίδευσαν το εργαλείο τεχνητής νοημοσύνης να αναγνωρίζει τα διαφορετικά γενετικά χαρακτηριστικά των γλοιωμάτων, μιας ομάδας όγκων που αποτελούν την πιο κοινή μορφή καρκίνου του εγκεφάλου μεταξύ των ενηλίκων. Ωστόσο, δεν είναι όλα τα γλοιώματα ίδια. Οι περισσότεροι άνθρωποι διαγιγνώσκονται με έναν από τους τρεις υποτύπους που ο καθένας έχει διαφορετικά γενετικά χαρακτηριστικά – και, κρίσιμα, διαφορετικό βαθμό επιθετικότητας και θεραπευτικές επιλογές. Αυτή τη στιγμή, οι γιατροί που ονομάζονται παθολόγοι μπορούν να αναλύσουν τα γλοιώματα για αυτούς τους γενετικούς δείκτες, σε αυτό που είναι γνωστό ως μοριακή διάγνωση. Αλλά η διαδικασία διαρκεί ημέρες έως εβδομάδες, δήλωσε ο Δρ Kun-Hsing Yu, επικεφαλής ερευνητής της νέας μελέτης.
Αντίθετα, το εργαλείο τεχνητής νοημοσύνης που αναπτύσσει η ομάδα του μπορεί να επιτρέψει τη μοριακή διάγνωση σε 10 έως 15 λεπτά. Αυτό σημαίνει ότι θα μπορούσε να γίνει κατά τη διάρκεια της χειρουργικής επέμβασης, σύμφωνα με τον Yu, επίκουρο καθηγητή βιοϊατρικής πληροφορικής στην Ιατρική Σχολή του Χάρβαρντ, στη Βοστώνη. Η τεχνολογία, που ονομάζεται CHARM, εμφανίζεται επίσης υψηλή στην κλίμακα ακρίβειας. Όταν η ομάδα του Yu τη δοκίμασε με δείγματα γλοιώματος που δεν είχε “δει” ποτέ πριν, το εργαλείο τεχνητής νοημοσύνης ήταν 93% ακριβές στη διάκριση των τριών διαφορετικών μοριακών υποτύπων. Η δυνατότητα να γίνονται τέτοιες διακρίσεις στο χειρουργείο είναι κρίσιμη, δήλωσαν ο Yu και άλλοι ειδικοί, επειδή θα μπορούσε να αλλάξει τον τρόπο με τον οποίο αντιμετωπίζεται ένας ασθενής. Ορισμένα γλοιώματα είναι λιγότερο επιθετικά και οι χειρουργοί μπορούν να είναι πιο συντηρητικοί στην αφαίρεση εγκεφαλικού ιστού – γεγονός που μπορεί να ελαχιστοποιήσει τις παρενέργειες. Άλλα γλοιώματα, όπως το γλοιοβλάστωμα, είναι ιδιαίτερα επιθετικά. Έτσι, οι χειρουργοί θα προσπαθήσουν να αφαιρέσουν όσο το δυνατόν μεγαλύτερο μέρος του καρκίνου και μερικές φορές θα εμφυτεύσουν “γκοφρέτες” με χημειοθεραπευτικά φάρμακα που απελευθερώνονται αργά απευθείας στον εγκέφαλο. “Αυτή η πρωτοποριακή τεχνολογία έχει τη δυνατότητα να καθοδηγήσει τις χειρουργικές αποφάσεις παρέχοντας μοριακή διάγνωση σε πραγματικό χρόνο κατά τη διάρκεια χειρουργικών επεμβάσεων όγκων στον εγκέφαλο”, δήλωσε ο Atique Ahmed, αναπληρωτής καθηγητής νευρολογικής χειρουργικής στην Ιατρική Σχολή Feinberg του Πανεπιστημίου Northwestern στο Σικάγο. Ο Ahmed, ο οποίος δεν συμμετείχε στη μελέτη, χαρακτήρισε την ακρίβεια 93% του εργαλείου “εντυπωσιακή”, αλλά σημείωσε ότι μπορεί να βελτιωθεί. “Είναι σημαντικό να θυμόμαστε ότι η ανακρίβεια του 7% δεν είναι απλώς ένας αριθμός”, δήλωσε. “Αντιπροσωπεύει ασθενείς με πολύ επιθετικές ασθένειες που θα μπορούσαν να επωφεληθούν σημαντικά από ακριβέστερες διαγνώσεις”. Ο Yu συμφώνησε ότι η απόδοση μπορεί να βελτιωθεί περαιτέρω και ότι το CHARM δεν είναι ακόμη έτοιμο για την prime time. Πρέπει να δοκιμαστεί σε πραγματικές συνθήκες, είπε, και να εγκριθεί από την αμερικανική Υπηρεσία Τροφίμων και Φαρμάκων. Οι ερευνητές συνεργάζονται με διάφορα νοσοκομεία σε διάφορες περιοχές του κόσμου για να θέσουν το CHARM σε αυτή την πραγματική δοκιμή. Το ενδιαφέρον για τη χρήση της τεχνητής νοημοσύνης στις ιατρικές διαγνώσεις έχει εκραγεί τα τελευταία χρόνια. Η ελπίδα είναι ότι οι αλγόριθμοι τεχνητής νοημοσύνης θα βοηθήσουν τους ειδικούς στην ανάλυση εικόνων -για παράδειγμα, από μαστογραφίες ή αξονικές τομογραφίες- ώστε να βγάλουν ταχύτερη και ακριβέστερη ετυμηγορία. Κανείς δεν θέλει να αντικαταστήσει τους γιατρούς, τόνισε ο Yu. “Θέλουμε να χρησιμοποιήσουμε την τεχνητή νοημοσύνη ως εργαλείο”.
Το CHARM είναι ένα πολύ πιο αξιομνημόνευτο ακρωνύμιο για το Cryosection Histopathology Assessment and Review Machine (Μηχανή αξιολόγησης και αναθεώρησης ιστοπαθολογίας κρυοτομής). Η ομάδα του Yu ανέπτυξε το εργαλείο χρησιμοποιώντας περισσότερα από 2.300 κατεψυγμένα δείγματα όγκων από 1.524 ασθενείς που υποβλήθηκαν σε θεραπεία για γλοίωμα σε διάφορα νοσοκομεία των ΗΠΑ. Η εργασία, που περιγράφεται online στις 7 Ιουλίου στο περιοδικό Med δεν είναι η μόνη προσπάθεια βελτίωσης της διάγνωσης του γλοιώματος με τη χρήση τεχνητής νοημοσύνης. Άλλα εργαλεία βρίσκονται υπό μελέτη, συμπεριλαμβανομένου ενός που ονομάζεται DeepGlioma. Ο Dr. Daniel Orringer, νευροχειρουργός στο Κέντρο Καρκίνου Perlmutter του NYU Langone στη Νέα Υόρκη, είναι ένας από τους ερευνητές του εν λόγω έργου. Είπε ότι αυτή τη στιγμή, η μοριακή διάγνωση του γλοιώματος δεν είναι μόνο χρονοβόρα και δαπανηρή, αλλά δεν είναι διαθέσιμη σε όλα τα νοσοκομεία όπου νοσηλεύονται οι ασθενείς. Η τεχνητή νοημοσύνη έχει τη δυνατότητα να “εκδημοκρατίσει τις μοριακές εξετάσεις”, δήλωσε ο Orringer. Το CHARM, είπε, είναι “ιδιαίτερα ελκυστικό” από αυτή την άποψη, επειδή θα μπορούσε τελικά να χρησιμοποιηθεί σε οποιοδήποτε νοσοκομείο που έχει τη δυνατότητα να ψηφιοποιήσει ιστολογικές διαφάνειες (μικροσκοπικές εικόνες των δειγμάτων όγκων των ασθενών). Ο Yu έκανε μια παρόμοια επισήμανση. Τα άλλα εργαλεία τεχνητής νοημοσύνης που αναπτύσσονται για το γλοίωμα απαιτούν έναν ειδικό τύπο μικροσκοπίου που δεν είναι διαθέσιμο σε όλα τα νοσοκομεία – ακόμη και στις πλούσιες χώρες, πόσο μάλλον στον αναπτυσσόμενο κόσμο, είπε. Και ενώ η τρέχουσα μελέτη επικεντρώθηκε στο γλοίωμα, ο Yu δήλωσε ότι το CHARM θα μπορούσε να εκπαιδευτεί για να βοηθήσει στη διάγνωση και άλλων τύπων όγκων του εγκεφάλου. Ο Ahmed χαρακτήρισε αυτή την πιθανή “ευελιξία” πολλά υποσχόμενη. “Η ανάπτυξη του CHARM αντιπροσωπεύει ένα σημαντικό άλμα προς τα εμπρός στην αναζήτηση ακριβούς και γρήγορης μοριακής διάγνωσης κατά τη διάρκεια χειρουργικών επεμβάσεων όγκων στον εγκέφαλο”, δήλωσε.
