Az MI több mint 90%-os pontossággal diagnosztizálja a pajzsmirigyrákot
Egy nemzetközi kutatócsoport kifejlesztette a világ első olyan mesterséges intelligencia (AI) modelljét, amely több mint 90%-os pontossággal meg tudja határozni a pajzsmirigyrák aktuális stádiumát és kockázati kategóriáját, ezzel potenciálisan felére csökkentve az orvosok konzultációkra való felkészüléséhez szükséges időt.
A Digital Medicine folyóiratban publikált kutatást a Hongkongi Egyetem Orvostudományi Karának (HKUMed), az InnoHK Laboratory of Data Discovery for Health (InnoHK D24H) és a London School of Hygiene & Tropical Medicine kutatói végezték.
A pajzsmirigyrák az egyik leggyakoribb rákos megbetegedés, és a diagnosztizált esetek száma növekszik. Az orvosok kétfajta osztályozásra támaszkodnak a betegség súlyosságának megítélésében és a kezelés megtervezésében. Az egyik az AJCC stádiumbesorolási rendszer, amely segít meghatározni a rák terjedésének mértékét. A másik az Amerikai Pajzsmirigy Társaság (ATA) kockázati besorolása, amely segít megjósolni a rák kiújulásának valószínűségét. Azonban annak megállapítása, hogy az egyes betegek melyik kategóriába tartoznak, általában, időigényes, komplex orvosi dokumentumok, patológiai jelentések, műtéti jegyzetek és klinikai összefoglalók gondos áttekintését igényli.
A probléma megoldására a kutatócsoport egy olyan mesterséges intelligencia eszközt fejlesztett ki, amely nagy nyelvi modelleket (LLM) használva a szabad szövegű klinikai jegyzeteket elemzi, és automatikusan osztályozza a pajzsmirigyrák stádiumát és kockázati szintjét minden beteg esetében. Ehhez négy vezető nyílt forráskódú LLM erősségeit ötvözi: Mistral (Mistral AI), Llama (Meta), Gemma (Google) és Qwen (Alibaba).
A mesterséges intelligenciát 50 valódi pajzsmirigyrákos beteg patológiai jelentései alapján képezték ki az Egyesült Államok Cancer Genome Atlas Program (TCGA) programjában. Ezt követően 289 további TCGA-beteg adatain és pajzsmirigy-sebészek által létrehozott 35 szimulált eseten tesztelték.
Az eredmények lenyűgözőek voltak. Az AI 88,5% és 100% közötti pontosságot ért el az ATA kockázati besorolásban, és 92,9% és 98,1% közötti pontosságot az AJCC stádiumbeosztásban. A négy LLM kimeneteinek összevonásával a csapat még tovább javította a teljesítményt. A hagyományos, orvosok által végzett manuális felülvizsgálathoz képest az AI asszisztens körülbelül 50%-kal csökkentette az előkészítési időt.
A projektet vezető Joseph T. Wu professzor kiemelte a modell offline kialakításának jelentőségét. Mivel működéséhez nincs szükség internet-hozzáférésre, a kórházak saját rendszereiken futtathatják anélkül, hogy érzékeny betegadatokat töltenének fel, ami biztonságosabbá, a magánszférát jobban védővé teszi a módszert.
Az AI modellt új eszközökkel is tesztelték, például a DeepSeek R1, a DeepSeek V3 és még az OpenAI GPT-4o eszközével is, egy „zero-shot” tanulásnak nevezett módszerrel, amelynek során az AI-t olyan új feladatokkal tesztelik, amelyekre nem volt kifejezetten kiképezve. Figyelemre méltó, hogy az offline modell ugyanolyan jól teljesített, mint ezek a hatékony felhőalapú eszközök.
Dr. Matrix Fung Man-him, aki szintén a csapat tagja és a HKUMed pajzsmirigy-sebész szakértője, elmondta, hogy az eszköz értéke túlmutat a pontosságon. Egyszerűsít egy roppant időigényes folyamatot, így az orvosok több időt fordíthatnak a betegek közvetlen ellátására és a velük való kommunikációra.
A kutatócsoport úgy véli, hogy ez az eszköz könnyen bevezethető a kórházakban és kutatóintézetekben, mind Hongkongban, mind világszerte. Hasznos lehet mind az állami, mind a magán egészségügyi ellátásban, javítva a hatékonyságot és lehetővé téve, hogy több beteg gyorsabb és pontosabb ellátásban részesüljön.
Dr. Carlos Wong, a csapat másik tagja szerint a következő lépés az eszköz további tesztelése nagy léptékű, valós betegadatok felhasználásával, hogy felkészítsék a rutin klinikai használatra.
Összegzésként elmondható, hogy ez az AI-áttörés nem csupán egy high-tech innováció, hanem egy praktikus eszköz, amely segíthet az orvosoknak a pajzsmirigyrák hatékonyabb, kevesebb késedelemmel és nagyobb pontossággal történő diagnosztizálásában és kezelésében. Mivel az egészségügyi rendszerek világszerte új módszereket keresnek az ellátás javítására, lehetőleg a költségek és a munkaterhelés csökkentésével együtt, ez a fajta intelligens technológia nagy változást hozhat.