Istraživanje na više od 500.000 ljudi

Tihi ubojica bez simptoma: 70 % slučajeva raka jetre prolazi neprimijećeno – evo kako ga AI sada otkriva

Budite prvi i komentirajte!
2 min čitanja

Tomislav Stanić

mag. educ. philol. croat.

Rak jetre jedan je od vodećih uzroka smrtnosti od raka u svijetu, a najčešći oblik kod odraslih je hepatocelularni karcinom.

Najčešće se razvija kod osoba koje već imaju kronične bolesti jetre, poput hepatitisa ili ciroze. Međutim, problem je što bolest u ranim fazama često ne uzrokuje simptome, pa se dijagnoza postavlja tek kada je već uznapredovala.

Umjetna inteligencija otkriva ono što klasični pregledi propuštaju

Iako se probir na rak jetre danas uglavnom provodi kod osoba s poznatim bolestima jetre, oko 20 % slučajeva javlja se kod ljudi koji nemaju nikakve prethodne znakove bolesti. Upravo zbog toga mnogi ostaju neprepoznati sve dok bolest ne uznapreduje.

Novo istraživanje objavljeno u časopisu Cancer Discovery pokazuje da bi umjetna inteligencija mogla promijeniti taj pristup.

Znanstvenici su razvili model strojnog učenja koji može s visokom preciznošću procijeniti rizik od razvoja hepatocelularnog karcinoma – i to koristeći podatke koji su već dostupni u medicinskoj dokumentaciji.

Tko je u riziku? Nije riječ samo o bolestima jetre

Iako su ciroza i kronične bolesti jetre najvažniji rizični čimbenici, istraživanje pokazuje da ulogu imaju i drugi faktori poput spola, pušenja i konzumacije alkohola. Upravo kombinacija više čimbenika otežava liječnicima da na vrijeme prepoznaju rizične osobe.

Kako bi to promijenili, istraživači su analizirali podatke više od 500.000 ljudi iz UK Biobanke. U toj skupini identificirano je 538 slučajeva raka jetre, a zanimljivo je da se gotovo 70 % njih pojavilo kod osoba bez prethodne dijagnoze bolesti jetre.

Model su dodatno testirali i na više od 400.000 ljudi u SAD-u, čime su potvrdili njegovu učinkovitost u raznolikijoj populaciji.

Jednostavni podaci – velika preciznost

Model umjetne inteligencije koristi tzv. “random forest” algoritam, koji kombinira više različitih odluka kako bi donio što točniju procjenu.

Najuspješnija verzija modela uključivala je:

osnovne podatke o pacijentu (dob, spol)
medicinsku dokumentaciju
rezultate rutinskih krvnih pretraga.

Znanstvenici su razvili model strojnog učenja koji može s visokom preciznošću procijeniti rizik od razvoja hepatocelularnog karcinoma — FOTO: Shutterstock

Rezultat je vrlo visoka točnost u razlikovanju osoba koje imaju rak jetre od onih koje ga nemaju.

Zanimljivo je da dodavanje složenijih i skupljih podataka, poput genetskih analiza, nije značajno poboljšalo rezultate. To znači da se rizik može procijeniti i uz pomoć jednostavnih, lako dostupnih informacija.

Bolji od postojećih metoda

Znanstvenici su novi model usporedili s postojećim alatima koje liječnici koriste za procjenu rizika bolesti jetre. Pokazalo se da model umjetne inteligencije:

bolje prepoznaje stvarne slučajeve raka
smanjuje broj lažno pozitivnih nalaza.

Drugim riječima, precizniji je i pouzdaniji od trenutnih metoda.

Dodatno, model je pojednostavljen tako da koristi samo 15 ključnih parametara, što ga čini praktičnim za svakodnevnu kliničku primjenu.

Što to znači za vas?

Ako se ovakav pristup uvede u praksu, liječnici bi mogli ranije prepoznati osobe koje su u riziku – čak i ako nemaju dijagnosticiranu bolest jetre.

To je iznimno važno jer se rak jetre, iako često agresivan, može uspješnije liječiti ako se otkrije na vrijeme.