Naukowcy opracowali zaawansowany system głębokiego uczenia, który umożliwia nieinwazyjną diagnostykę raka piersi z dużą precyzją. Kluczem do jego skuteczności jest integracja multimodalnych danych medycznych, co może znacząco poprawić wczesne wykrywanie nowotworów i ograniczyć liczbę zbędnych biopsji igłowych, poprawiając wyniki leczenia pacjentek.
Podejście multimodalne kluczem do wysokiej precyzji
Nowatorski system sztucznej inteligencji wykorzystuje algorytmy głębokiego uczenia do jednoczesnej analizy różnych typów danych. W przeciwieństwie do tradycyjnych metod opartych głównie na pojedynczym źródle informacji, model ten integruje dane obrazowe, takie jak mammogramy czy obrazy z USG, z danymi tekstowymi pochodzącymi z historii choroby pacjentki i innymi informacjami klinicznymi. Takie całościowe podejście pozwala na stworzenie bardziej kompletnego obrazu diagnostycznego.
Dzięki analizie multimodalnych biomarkerów cyfrowych system jest w stanie identyfikować subtelne wzorce i zależności, które mogą być niewidoczne dla ludzkiego oka lub trudne do wychwycenia przy analizie tylko jednego rodzaju danych. Połączenie informacji wizualnych i kontekstu klinicznego znacząco zwiększa trafność diagnozy, co pozwala na lepsze różnicowanie zmian łagodnych od złośliwych bez konieczności przeprowadzania inwazyjnych procedur.
Dokładność porównywalna z radiologami
Badania nad podobnymi technologiami AI wskazują, że mogą one osiągać skuteczność w wykrywaniu raka piersi porównywalną, a w niektórych przypadkach nawet wyższą, niż doświadczeni radiolodzy. Systemy te nie mają na celu zastąpienia lekarzy, lecz pełnienie funkcji zaawansowanego narzędzia wspomagającego. Algorytmy mogą wstępnie analizować obrazy, zwracając uwagę specjalisty na obszary o podwyższonym ryzyku lub potwierdzając jego wstępne podejrzenia.
Zastosowanie sztucznej inteligencji w badaniach przesiewowych może zoptymalizować pracę personelu medycznego i przyspieszyć proces diagnostyczny. Wczesne i precyzyjne wykrycie nowotworu jest kluczowe dla powodzenia terapii, a technologie oparte na AI stwarzają nową szansę na poprawę standardów w tym obszarze.
Zastosowanie w diagnostyce agresywnych podtypów nowotworu
Szczególne nadzieje wiąże się z wykorzystaniem AI w diagnostyce trudnych przypadków, takich jak potrójnie ujemny rak piersi (TNBC). Jest to agresywny podtyp nowotworu charakteryzujący się ograniczonymi opcjami terapeutycznymi i gorszym rokowaniem. Techniki takie jak radiomika ultrasonograficzna wspierana przez AI pozwalają na zaawansowaną analizę ilościową cech guza na podstawie obrazów USG.
Systemy te mogą konstruować modele predykcyjne zdolne do charakteryzowania heterogeniczności nowotworu, co jest kluczowe dla indywidualizacji leczenia. Możliwość nieinwazyjnej oceny złożoności biologicznej guza otwiera drogę do lepszego planowania terapii neoadjuwantowej i monitorowania jej skuteczności.
Źródła
Wang Z, Wang Y, et al. "AI-mediated ultrasound radiomics in the diagnosis and treatment of triple-negative breast cancer: research progress and future challenges." Front Oncol, 2026. https://pubmed.ncbi.nlm.nih.gov/42147216/
Yang Z, He J, et al. "A multicenter study of a predictive model for pathological complete response after neoadjuvant therapy in breast cancer using multimodal digital biomarkers." Chin J Cancer Res, 2025. https://pubmed.ncbi.nlm.nih.gov/41523834/
