Αξιολόγηση του καρκίνου του δέρματος με τη βοήθεια AI
Ένα νέο, απλό μοντέλο τεχνητής νοημοσύνης (AI) έχει αποδείξει ότι μπορεί να επιτύχει αποτελέσματα συγκρίσιμα με εκείνα των έμπειρων δερματολόγων στην εκτίμηση της επιθετικότητας του καρκίνου του δέρματος, συγκεκριμένα του πλακώδους καρκινώματος. Η έρευνα διεξήχθη από το Πανεπιστήμιο Γκέτεμποργκ και τα αποτελέσματα δημοσιεύθηκαν στο περιοδικό Journal of the American Academy of Dermatology International.
Η αύξηση των περιπτώσεων πλακώδους καρκινώματος
Κάθε χρόνο, περισσότερα από 10.000 άτομα στη Σουηδία διαγιγνώσκονται με πλακώδες καρκίνωμα, το οποίο είναι η δεύτερη πιο κοινή μορφή καρκίνου του δέρματος στη χώρα, μετά το βασικοκυτταρικό καρκίνωμα. Η αύξηση των περιπτώσεων είναι ραγδαία, με τον καρκίνο αυτό να αναπτύσσεται συχνά σε περιοχές του σώματος που εκτίθενται στον ήλιο για μεγάλα χρονικά διαστήματα, όπως το κεφάλι και ο λαιμός.
Ο δερματολόγος Σαμ Πόλεσι, ο οποίος ηγήθηκε της μελέτης, αναφέρει ότι αυτή η μορφή καρκίνου προκύπτει από μεταλλάξεις του πιο κοινού τύπου κυττάρων στην επιδερμίδα και σχετίζεται άμεσα με την συσσωρευμένη έκθεση σε υπεριώδη ακτινοβολία. Συχνά αναπτύσσεται σε περιοχές του δέρματος που ήδη έχουν υποστεί βλάβες από τον ήλιο, με χαρακτηριστικά όπως τραχιά, κηρώδη σημεία και ανώμαλη χρωματική απόχρωση.
Διαγνωστικές προκλήσεις και η χρήση AI
Η διάγνωση του πλακώδους καρκινώματος είναι συνήθως εύκολη, ωστόσο η πρόκληση έγκειται στην προεγχειρητική εκτίμηση της επιθετικότητας του όγκου. Αυτή η εκτίμηση είναι κρίσιμη για τον προγραμματισμό και την προτεραιότητα της χειρουργικής επέμβασης. Εάν ο όγκος είναι πιο επιθετικός, απαιτείται άμεση παρέμβαση και αφαίρεση περισσότερου περιβάλλοντος ιστού. Αντίθετα, για λιγότερο επιθετικούς όγκους, μπορεί να αρκούν απλούστερες διαδικασίες.
Στη Σουηδία, οι προεγχειρητικές βιοψίες δεν πραγματοποιούνται συνήθως για ύποπτα περιστατικά πλακώδους καρκινώματος, με τη χειρουργική επέμβαση να βασίζεται κυρίως στην κλινική υποψία. Αυτό υπογραμμίζει την ανάγκη για εναλλακτικές μεθόδους εκτίμησης που δεν απαιτούν δείγματα ιστού, όπως η ανάλυση εικόνας μέσω AI.
Στη μελέτη, οι ερευνητές εκπαίδευσαν ένα σύστημα AI να αναλύει εικόνες χρησιμοποιώντας 1.829 κλινικές εικόνες επιβεβαιωμένου πλακώδους καρκινώματος. Η ικανότητα του μοντέλου να διακρίνει τρία επίπεδα επιθετικότητας του όγκου δοκιμάστηκε σε 300 εικόνες και συγκρίθηκε με τις εκτιμήσεις επτά ανεξάρτητων έμπειρων δερματολόγων.
Τα αποτελέσματα έδειξαν ότι το μοντέλο AI παρουσίασε σχεδόν ταυτόσημα αποτελέσματα με την ομάδα των ιατρικών ειδικών, ενώ η συμφωνία μεταξύ των ατομικών εκτιμήσεων των δερματολόγων ήταν μόνο μέτρια, υπογραμμίζοντας την πολυπλοκότητα της διαδικασίας.
Δύο κλινικά χαρακτηριστικά, οι έλκη και οι επίπεδες επιφάνειες του δέρματος, συνδέθηκαν με πιο επιθετική ανάπτυξη του όγκου. Οι όγκοι με αυτά τα χαρακτηριστικά είχαν περισσότερες από δύο φορές πιθανότητες να κατατάσσονται σε ένα από τα δύο υψηλότερα επίπεδα επιθετικότητας.
Η χρήση της τεχνητής νοημοσύνης στην φροντίδα του καρκίνου του δέρματος έχει προσελκύσει μεγάλο ενδιαφέρον τα τελευταία χρόνια, αν και σύμφωνα με τον Σαμ Πόλεσι, μέχρι στιγμής η πρακτική της εφαρμογή στο σύστημα υγειονομικής περίθαλψης είναι περιορισμένη. Υπογραμμίζει τη σημασία των σαφώς καθορισμένων τομέων εφαρμογής όπου η έρευνα μπορεί να προσφέρει προστιθέμενη αξία στην υγειονομική περίθαλψη της Σουηδίας.
Πιστεύουμε ότι μία από αυτές τις περιοχές εφαρμογής θα μπορούσε να είναι η προεγχειρητική εκτίμηση ύποπτων δερματικών καρκίνων, όπου οι πιο λεπτομερείς συμπεράσματα μπορούν να επηρεάσουν τις αποφάσεις. Το μοντέλο που έχουμε αναπτύξει χρειάζεται περαιτέρω βελτίωση και δοκιμή, αλλά ο δρόμος προς τα εμπρός είναι σαφής – η AI θα πρέπει να ενσωματωθεί εκεί όπου προσφέρει πραγματική αξία στις διαδικασίες λήψης αποφάσεων στην υγειονομική περίθαλψη.
Σαμ Πόλεσι, αναπληρωτής καθηγητής και δερματολόγος
Ο Σαμ Πόλεσι είναι αναπληρωτής καθηγητής δερματολογίας και αφροδισιολογίας στο Πανεπιστήμιο Γκέτεμποργκ και δερματολόγος στο Πανεπιστημιακό Νοσοκομείο Σάλγκρενσκα. Οι εικόνες που χρησιμοποιήθηκαν στη μελέτη ελήφθησαν από την δερματολογική φροντίδα του πανεπιστημιακού νοσοκομείου από το 2015 έως το 2023.
