Νέο εργαλείο AI προβλέπει με ακρίβεια την υποτροπή του οισοφάγου Barrett
Ένα καινοτόμο εργαλείο τεχνητής νοημοσύνης (AI) δείχνει να έχει σημαντική υπόσχεση για την ενίσχυση της παρακολούθησης των ασθενών που έχουν υποβληθεί σε ενδοσκοπικές θεραπείες για τον οισοφάγο Barrett (BE), μια κατάσταση που σχετίζεται με δυσπλασία και πρώιμο οισοφαγικό αδενοκαρκίνωμα. Ο οισοφάγος Barrett είναι η μοναδική γνωστή κατάσταση που προηγείται του οισοφαγικού αδενοκαρκινώματος, ενός επιθετικού καρκίνου με υψηλή θνησιμότητα.
Αξιοπιστία του εργαλείου AI
Η μελέτη, που εκπονήθηκε από ερευνητές στις Ηνωμένες Πολιτείες, διαπίστωσε ότι το μοντέλο AI είχε πάνω από 90% ακρίβεια στην πρόβλεψη της υποτροπής του BE μετά από ενδοσκοπική θεραπεία εξάλειψης (EET), καθώς και στην ανίχνευση του πότε είναι πιθανό να συμβεί αυτή η υποτροπή. Τα ευρήματα δημοσιεύθηκαν πρόσφατα στο περιοδικό Clinical Gastroenterology and Hepatology.
Σημασία της πρώιμης ανίχνευσης
Η πρώιμη ανίχνευση της δυσπλασίας που σχετίζεται με τον οισοφάγο Barrett και του σχετικού οισοφαγικού αδενοκαρκινώματος μπορεί να σώσει ζωές. Η έγκαιρη αναγνώριση της υποτροπής, είτε πρόκειται για BE είτε για δυσπλασία ή καρκίνο, είναι κρίσιμη, ιδιαίτερα για τους ασθενείς υψηλού κινδύνου που έχουν υποβληθεί σε EET. Αυτό ανοίγει το δρόμο για έγκαιρη παρέμβαση πριν από την ανάπτυξη ή την επιδείνωση του καρκίνου.
Η πρόκληση της παρακολούθησης
Ο Δρ. Sachin Wani, ανώτερος συγγραφέας της μελέτης και εκτελεστικός διευθυντής του Κέντρου Καρκίνου Rady στο Πανεπιστήμιο του Κολοράντο, τόνισε ότι η υποτροπή του οισοφάγου Barrett μπορεί να συμβεί ακόμη και μετά την EET. Ωστόσο, οι τρέχουσες στρατηγικές παρακολούθησης δεν διακρίνουν τους ασθενείς υψηλού κινδύνου από εκείνους χαμηλού κινδύνου, καθώς όλοι παρακολουθούνται με την ίδια συχνότητα.
Ανάπτυξη του εργαλείου AI
Η ομάδα του Δρ. Wani ανέπτυξε το εργαλείο μηχανικής μάθησης χρησιμοποιώντας δεδομένα από περισσότερους από 2.500 ασθενείς. Αναλύοντας λεπτομερή κλινικά δεδομένα, διαπίστωσαν ότι σχεδόν 3 στους 10 ασθενείς παρουσίασαν υποτροπή μετά από επιτυχημένη θεραπεία, με την κατάσταση να επιστρέφει κατά μέσο όρο δύο χρόνια μετά τη θεραπεία. Το εργαλείο AI εκπαιδεύτηκε να εξετάζει πολλούς παράγοντες ταυτόχρονα, όπως ηλικία, βάρος, σοβαρότητα της νόσου και λεπτομέρειες θεραπείας, αναγνωρίζοντας πρότυπα που δεν είναι εύκολα ορατά στους ανθρώπους.
Προοπτικές για το μέλλον
Αυτό το εργαλείο θα μπορούσε να βοηθήσει τους γιατρούς να εξατομικεύσουν την παρακολούθηση των ασθενών μετά τη θεραπεία, επιτρέποντας σε εκείνους που διατρέχουν υψηλότερο κίνδυνο να παρακολουθούνται πιο στενά, ενώ οι ασθενείς χαμηλού κινδύνου θα μπορούσαν να χρειάζονται λιγότερες διαδικασίες παρακολούθησης. Αυτή η προσέγγιση θα μπορούσε να μειώσει τις περιττές εξετάσεις και το άγχος για τους ασθενείς, ενώ ταυτόχρονα θα βελτιώσει τη χρήση των πόρων υγειονομικής περίθαλψης.
Η επόμενη φάση περιλαμβάνει την περαιτέρω επικύρωση του μοντέλου με τη χρήση διεθνών δεδομένων, μέσω συνεργασιών με ιδρύματα σε χώρες όπως η Ολλανδία, το Ηνωμένο Βασίλειο, το Βέλγιο και η Ελβετία, με στόχο την ευρεία εφαρμογή του εργαλείου.
