Nowa AI w raku piersi: koniec z niepotrzebną chemioterapią?

W onkologii pojawia się narzędzie, które może przewrócić do góry nogami sposób kwalifikowania pacjentek do chemioterapii po operacji raka piersi.

Zespół z izraelskiego Technionu opracował model AI, który zamiast drogich testów genetycznych analizuje cyfrowe obrazy wycinków guza. Dzięki temu lekarze mają dostać prostsze i tańsze narzędzie do oceny, komu chemia naprawdę pomaga, a komu przynosi głównie skutki uboczne.

Najtrudniejsze pytanie po operacji: chemia czy bez chemii?

Po usunięciu guza piersi lekarze muszą zdecydować, czy pacjentka powinna dostać chemioterapię uzupełniającą. W raku piersi hormono‑zależnym, bez nadekspresji HER2, to jedna z najbardziej spornych kwestii.

Ta grupa stanowi około 70% z 2,3 mln nowych przypadków raka piersi rocznie na świecie. Część chorych dostaje agresywne leczenie, choć oczekiwany zysk jest minimalny, a część – zwłaszcza młodszych kobiet – może nie otrzymywać wystarczająco intensywnej terapii.

Do tej pory onkolodzy opierali się głównie na klasycznych parametrach:

• wielkość guza i jego stopień złośliwości,
• obecność przerzutów do węzłów chłonnych,
• obecność receptorów hormonalnych (estrogenowych, progesteronowych),
• status HER2,
• w niektórych przypadkach drogie testy genomowe, takie jak Oncotype DX.

Testy genomowe stały się złotym standardem w bogatszych krajach, ale bariera jest oczywista: koszt jednej analizy Oncotype DX sięga ok. 3500 dolarów (ok. 3200 zł w przeliczeniu 1:1 dla uproszczenia, w praktyce w Polsce zwykle byłoby to więcej), wynik czeka się kilka dni, a dostęp w wielu systemach ochrony zdrowia pozostaje ograniczony.

Różnica w kosztach jest ogromna: skanowanie jednej szklanej preparatki mikroskopowej to mniej niż 1 dolar, czyli mniej więcej 1 euro, według danych badaczy.

Jak AI „czyta” wycinki guza piersi

Nowy model AI z Technion – Israel Institute of Technology korzysta z materiału, który i tak powstaje rutynowo w diagnostyce: klasycznych preparatów histopatologicznych barwionych hematoksyliną i eozyną.

Ścieżka działania wygląda następująco:

Chodzi o subtelne wzory, których ludzkie oko, nawet doświadczonego patomorfologa, nie potrafi konsekwentnie wychwycić czy ilościowo opisać. SI „uczy się” na danych, w których wiadomo, jak potoczyła się historia choroby, i łączy obraz mikroskopowy z późniejszym wynikiem leczenia.

Twórcy podkreślają, że zamiast badać geny, patrzą bezpośrednio na tkankę. Z cyfrowych obrazów wyciągają „podpis wizualny” guza, który ma pomóc dobrać terapię do konkretnej pacjentki.

Porównanie z Oncotype DX na danych z dużego badania

Aby sprawdzić wiarygodność modelu, zespół sięgnął po dane z badania TAILORx. To jedno z najważniejszych randomizowanych badań dotyczących raka piersi hormono‑zależnego, w którym obserwowano ponad 10 tysięcy kobiet.

W analizie wykorzystano dane 8284 pacjentek. Każda z nich miała wykonany test Oncotype DX, a ich dalsze losy były dokładnie śledzone: czy doszło do nawrotu, czy chemioterapia przyniosła realną korzyść, czy dało się ją bezpiecznie pominąć.

Nowy model AI porównano z wynikami testu genomowego. Okazało się, że:

Według autorów model AI osiągnął wyniki zbliżone do Oncotype DX, szczególnie w identyfikowaniu guzów o wysokim ryzyku genomowym. Co ważne, analiza na podstawie danych z randomizowanego badania pozwoliła ocenić nie tylko samą prognozę nawrotu, lecz także przewidywaną realną korzyść z zastosowania chemii.

Szansa na ograniczenie nadleczenia i lepszą ochronę młodszych kobiet

Badacze zwracają uwagę, że nowy system może zmienić praktykę w dwóch newralgicznych grupach chorych.

• Kobiety po menopauzie z niskim ryzykiem nawrotu – dla wielu z nich model może wskazać, że chemioterapia nie daje wyraźnej dodatkowej korzyści. W takich przypadkach lekarz zyskuje argument, aby skoncentrować się na hormonoterapii i oszczędzić pacjentce toksycznego leczenia.
• Młodsze pacjentki z pozornie umiarkowanym ryzykiem – tu AI może wyłapać ukryte sygnały agresywności guza, które nie są widoczne w klasycznych parametrach, i zasugerować, że chemia jednak powinna się pojawić w schemacie leczenia.

Według doniesień, model został zweryfikowany na danych z kilku szpitali w różnych krajach, między innymi w Izraelu, Stanach Zjednoczonych i Australii. Obejmowało to ośrodki o odmiennym sprzęcie, innym sposobie przygotowywania preparatów i różnej strukturze pacjentek, a mimo to uzyskano podobne wyniki. To sugeruje, że narzędzie nie jest „szyte” pod jedno laboratorium.

Naukowcy podkreślają, że to pierwszy model AI, który ocenia spodziewaną korzyść z chemioterapii w raku piersi, korzystając wyłącznie z cyfrowych obrazów tkanek.

Co jeszcze trzeba sprawdzić, zanim AI trafi do szpitali

Twórcy narzędzia przyznają, że system ma wciąż charakter „czarnej skrzynki”. Lekarz dostaje wynik – liczbowy wskaźnik i klasyfikację ryzyka – ale nie zawsze jasne jest, które elementy obrazu mikroskopowego miały największy wpływ na decyzję algorytmu.

Aby wprowadzić rozwiązanie do rutynowej praktyki, planowane są prospektywne badania w Brazylii i Indiach. Chodzi o to, by prześledzić pacjentki od momentu diagnozy, podejmować decyzje lecznicze z wykorzystaniem modelu i sprawdzić, czy przekłada się to na realną poprawę wyników terapii oraz na ograniczenie niepotrzebnych chemii.

Jeśli te wyniki potwierdzą dotychczasowe analizy, korzyści mogą być dwojakie:

• dla krajów o niskich i średnich dochodach – dostęp do personalizowanego leczenia bez konieczności wysyłania materiału za granicę i płacenia za drogie testy;
• dla bogatszych systemów – skrócenie ścieżki diagnostycznej i realne oszczędności, które można przeznaczyć na inne obszary onkologii.

Co to oznacza dla pacjentek i lekarzy?

Jeśli model trafi do praktyki klinicznej, typowy scenariusz mógłby wyglądać tak: pacjentka po operacji raka piersi nie czeka tygodniami na refundowany test genomowy. Już kilka dni po zabiegu, na podstawie istniejących preparatów, zespół dostaje gotowy raport AI. W dyskusji na konsylium pojawia się nowy, konkretny argument „za” lub „przeciw” chemii.

To nie zastępuje lekarza – decyzja nadal należy do zespołu onkologicznego i samej pacjentki – ale zmniejsza liczbę sytuacji, w których lekarz porusza się głównie po szarej strefie domysłów i statystyk populacyjnych.

Czym w ogóle jest „ryzyko nawrotu” i „korzyść z chemioterapii”?

W języku medycznym „ryzyko nawrotu” oznacza szansę, że choroba wróci po zakończeniu leczenia w określonym czasie, na przykład w ciągu 10 lat. „Korzyść z chemioterapii” to z kolei różnica między takim ryzykiem u osoby, która dostała chemię, a osobą o podobnych parametrach, która jej nie otrzymała.

Jeśli na przykład ryzyko nawrotu bez chemii wynosi 15%, a z chemią spada do 8%, zysk bezwzględny to 7 punktów procentowych. W wielu przypadkach standardowe metody nie pozwalają precyzyjnie oszacować tej różnicy. AI próbuje „wycisnąć” z danych obrazowych więcej informacji i dopasować prognozę do indywidualnych cech guza.

Dla pacjentek to może oznaczać bardziej świadomą rozmowę z lekarzem. Zamiast ogólnego stwierdzenia „chemia może coś pomóc”, pojawia się liczbowy, choć wciąż szacunkowy, opis ryzyka i spodziewanego zysku. Łatwiej wtedy zdecydować, czy akceptuje się toksyczność, kosztem jakiego prawdopodobieństwa uniknięcia nawrotu.

W szerszej perspektywie podobne modele mogą zacząć pojawiać się w innych nowotworach – jelita grubego, płuca, prostaty – wszędzie tam, gdzie istnieją duże zbiory cyfrowych preparatów i dane o dalszych losach chorych. Im więcej takich narzędzi, tym większa szansa, że w onkologii będzie mniej „jednego schematu dla wszystkich”, a więcej decyzji szytych na miarę konkretnego pacjenta.