Przełomowa AI przy raku piersi: szansa na mniej chemii bez ryzyka

Nowy algorytm AI opracowany przez naukowców z Technionu może sprawić, że wiele kobiet z rakiem piersi uniknie niepotrzebnej chemioterapii.

Model analizuje skany standardowych preparatów histopatologicznych i na tej podstawie ocenia ryzyko nawrotu choroby oraz realny zysk z chemioterapii – taniej, szybciej i w krajach, gdzie drogie testy genetyczne są poza zasięgiem.

Dlaczego dobór chemioterapii przy raku piersi wciąż sprawia tyle kłopotów

Po operacji raka piersi lekarz musi odpowiedzieć na jedno bardzo trudne pytanie: czy dołożyć chemioterapię, czy poprzestać na hormonoterapii i radioterapii. W typie hormonozależnym, bez nadekspresji HER2, chodzi o ogromną grupę chorych – około 70 proc. z ponad 2,3 mln nowych przypadków raka piersi rocznie na świecie.

W tej grupie część pacjentek dostaje agresywny, toksyczny schemat, z którego w praktyce nic nie ma. Inne, szczególnie młodsze, mogą nie otrzymać intensywnego leczenia, choć ich guz zachowuje się bardziej agresywnie, niż sugerują klasyczne badania.

W decyzji pomagają obecnie:

• wielkość i stopień złośliwości guza
• obecność przerzutów do węzłów chłonnych
• status receptorów hormonalnych i HER2
• testy genetyczne, takie jak Oncotype DX

Testy genomowe, choć bardzo przydatne, pozostają elitarnym narzędziem. Oncotype DX kosztuje około 3500 dolarów, wymaga wysyłki materiału do wyspecjalizowanego laboratorium i kilku dni oczekiwania. W wielu krajach refundacja jest ograniczona, a procedury administracyjne zniechęcają lekarzy i szpitale.

Różnica w kosztach jest uderzająca: skan jednej szkiełki z tkanką to wydatek poniżej jednego dolara, podczas gdy pojedynczy test genomowy może być ponad trzy tysiące razy droższy.

Jak działa nowa AI: zamiast genów – obraz tkanki

Zespół z Technion – Israel Institute of Technology opracował model deep learning, który „czyta” cyfrowe obrazy preparatów barwionych hematoksyliną i eozyną. To dokładnie te same szkiełka, na których patolog stawia rozpoznanie – żadnych dodatkowych biopsji ani specjalnych barwień.

Algorytm analizuje nie tylko sam guz, lecz także jego otoczenie: mikrośrodowisko, naciek zapalny, układ naczyń, strukturę komórek. Dla ludzkiego oka wiele z tych sygnałów jest zbyt subtelnych albo trudnych do uchwycenia ilościowo. Sztuczna inteligencja wyłapuje je w sposób powtarzalny i obiektywny.

Na końcu model generuje wynik w skali od 0 do 100. Ten „score” ma odzwierciedlać z jednej strony ryzyko nawrotu, z drugiej – prawdopodobny zysk z dołączenia chemioterapii do hormonoterapii.

Badacze porównują swoje podejście do sytuacji, w której zamiast badać gen odpowiedzialny za kolor oczu, po prostu patrzymy na same oczy. Zamiast analizować sekwencje DNA, system szuka wizualnej „podpisowej” cechy guza, powiązanej z agresywnością i reakcją na leczenie.

Co dokładnie sprawdzono w badaniu

Aby ocenić przydatność modelu, naukowcy sięgnęli po dane z dużego, randomizowanego badania TAILORx. To jedno z najważniejszych badań, które ukształtowały obecne zasady stosowania chemioterapii w raku piersi typu hormonozależnego.

Z ponad 10 tysięcy uczestniczek do analizy włączono 8284 chore. Wszystkie miały wykonany test Oncotype DX, a ich losy – w tym nawroty choroby i odpowiedź na chemioterapię – były dokładnie śledzone przez lata.

Wyniki:

• oceny wystawione przez AI były zbliżone do klasyfikacji Oncotype DX
• model potrafił rozpoznać większość guzów o wysokim ryzyku genomowym
• co ważne, analiza pokazała, że system przewiduje nie tylko samą szansę nawrotu, ale i to, czy chora realnie skorzysta na chemioterapii

Model przetestowano również w szpitalach w Izraelu, Stanach Zjednoczonych i Australii, w tym w kilku dużych ośrodkach klinicznych. Mimo różnych skanerów, procedur laboratoryjnych i populacji pacjentek, skuteczność algorytmu utrzymywała się na zbliżonym poziomie.

Szansa na mniej toksycznych terapii i bardziej celowane leczenie

Twórcy rozwiązania podkreślają, że jego największą zaletą może być redukcja niepotrzebnych chemioterapii, zwłaszcza u kobiet po menopauzie z niskim ryzykiem nawrotu. W ich przypadku toksyczność leczenia – uszkodzenie serca, nerwów, przewlekłe zmęczenie, ryzyko wtórnych nowotworów – bywa niewspółmierna do zysku.

Nowy „score” może też wyłapać pacjentki, które dziś są oceniane jako umiarkowane ryzyko, a w rzeczywistości mają agresywniejszy guz i większą szansę, że chemioterapia przyniesie korzyść. Dotyczy to szczególnie młodszych kobiet, u których rak potrafi zachowywać się nieprzewidywalnie mimo pozornie korzystnych cech klinicznych.

To pierwszy na taką skalę model AI, który przewiduje korzyść z konkretnego leczenia raka piersi, opierając się wyłącznie na cyfrowym obrazie tkanki, bez dodatkowych badań molekularnych.

Szybciej, taniej, szerzej – ale z zastrzeżeniami

W praktyce zastosowanie algorytmu jest dość proste. Laboratorium patologii musi dysponować skanerem do cyfryzacji szkiełek oraz stabilnym dostępem do Internetu. Obraz trafia do systemu, po kilku minutach lekarz otrzymuje wynik i może włączyć go do procesu decyzyjnego na konsylium onkologicznym.

W porównaniu z testami genomowymi taka procedura:

• nie wymaga dodatkowego pobierania materiału
• nie wiąże się z odsyłaniem próbek za granicę
• skracaja czas oczekiwania na ostateczną decyzję terapeutyczną
• zmniejsza koszty dla systemu ochrony zdrowia

Badacze mówią otwarcie o pewnych ograniczeniach. Algorytm pozostaje na razie klasyczną „czarną skrzynką” – wiemy, że działa, ale trudno jednoznacznie wskazać, które cechy guza uznaje za kluczowe. Model musi też przejść kolejne, prospektywne badania w krajach takich jak Brazylia i Indie, zanim trafi do codziennej praktyki.

Co to może znaczyć dla pacjentek i systemów ochrony zdrowia

Jeśli wyniki się potwierdzą, podobne narzędzia mogą stać się standardem w onkologii. Szczególnie w państwach, gdzie dostęp do nowoczesnej diagnostyki molekularnej jest ograniczony, cyfrowa patologia wspierana przez AI może zrównoważyć szanse pacjentek.

Dla systemów publicznych pojawia się szansa na realne oszczędności: mniej kosztownych terapii tam, gdzie nie są potrzebne, i lepsze wykorzystanie środków w grupach, które najbardziej z nich korzystają. Dla chorych oznacza to nie tylko mniejszą liczbę cykli chemioterapii, ale też szybszą ścieżkę od diagnozy do decyzji terapeutycznej, co ma wymiar także psychologiczny.

Dobrze też pamiętać, że sztuczna inteligencja nie zastępuje lekarza, lecz rozszerza jego pole widzenia. Decyzja o leczeniu nadal pozostanie wynikiem rozmowy onkologa, patomorfologa, radioterapeuty i samej pacjentki. Algorytm może jednak wnieść do tej dyskusji twardy, liczbowy argument oparty na danych z tysięcy podobnych przypadków.

W szerszej perspektywie podobne podejście da się przenieść na inne nowotwory – od raka jelita grubego po raka płuca. Jeśli analiza obrazu histopatologicznego z pomocą AI rzeczywiście tak dobrze odwzorowuje zachowanie guza w czasie, przyszłe ścieżki diagnostyczne w onkologii mogą wyglądać zupełnie inaczej niż dziś, z większym naciskiem na cyfryzację preparatów i zautomatyzowaną analizę danych.