Nowe technologie oparte na sztucznej inteligencji (AI) rewolucjonizują sposób diagnozowania i leczenia raka prostaty, szczególnie przez analizę obrazów rezonansu magnetycznego (MRI). Przełomowe badania wskazują, że metody te mogą przewidywać ryzyko przerzutów oraz wyniki leczenia, co pozwala na jeszcze lepszą opiekę nad pacjentami.
### Postęp w technologii MRI a diagnostyka raka prostaty
Multiparametryczny rezonans magnetyczny (mpMRI) łączy różne techniki obrazowania, co umożliwia uzyskanie niezwykle szczegółowych obrazów anatomii wewnętrznej. Ta technologia zmieniła sposób zarządzania rakiem prostaty, pozwalając na skuteczniejsze wykrywanie poważnych przypadków, jednocześnie minimalizując niepotrzebne interwencje w przypadkach niegroźnych zmian. Dzięki biopsjom prowadzonym pod kontrolą MRI, dokładność diagnozowania nowotworów również znacznie wzrosła.
Na obrazach MRI można dostrzec różne cechy raka prostaty, takie jak wskaźniki PI-RADS czy stadium radiologiczne T, które wskazują na stopień rozprzestrzenienia się guza w obrębie prostaty. Analiza tych parametrów może pomóc przewidzieć ryzyko nawrotu choroby, jednak ich interpretacja często różni się między radiologami. Różne systemy oceniania guzów mogą mieć różne poziomy precyzji, co dodatkowo komplikuje proces diagnostyczny.
Właśnie tutaj sztuczna inteligencja ma szansę na znaczące wsparcie – dzięki niej możliwa jest bardziej spójna analiza obrazów MRI. Badania nad modelami głębokiego uczenia pokazują, że mogą one osiągać poziom precyzji porównywalny z doświadczonymi radiologami w identyfikacji nowotworów prostaty.
### Badanie nad rolą AI w ocenie raka prostaty
Najnowsze badania miały na celu analizę, czy pomiary objętości guza przy pomocy technologii sztucznej inteligencji mogą dostarczyć niezależnych prognoz dla pacjentów z rakiem prostaty, którzy przeszli operację lub radioterapię. Wyniki te porównano z tradycyjnymi metodami oceny MRI.
W badaniu retrospektywnym wzięli udział pacjenci, u których wykonano MRI przed zabiegiem radykalnej prostatektomii lub radioterapii. Dane kliniczne, patologiczne i terapeutyczne pacjentów zostały zebrane z dokumentacji medycznej, a w ich skład wchodziła klasyfikacja guza na podstawie wskaźników PI-RADS oraz ocen National Comprehensive Cancer Network (NCCN).
W badaniu analizowano również przypadki *biochemicznej porażki*, czyli wzrostu poziomu antygenu specyficznego dla prostaty (PSA) po operacji lub radioterapii. Wyznacznikiem porażki biochemicznej było zwiększenie stężenia PSA o co najmniej dwa ng/mL po radioterapii lub wzrost o przynajmniej 0,1 ng/mL po radykalnej prostatektomii.
Segmentacje referencyjne, czyli manualne wyznaczenie obszarów prostaty i guza, zostały przygotowane przez radiologa specjalizującego się w onkologii układu moczowo-płciowego. Model AI nnU-Net, oparty na głębokim uczeniu, został przeszkolony, aby wyznaczać obszary prostaty i guza na podstawie różnych sekwencji MRI. Następnie wyniki AI porównano z danymi z manualnych segmentacji.
### Wyniki badania
Badania wykazały, że całkowita objętość guza wewnątrzprostatowego obliczona przez model AI (oznaczona jako VAI) była silnym, niezależnym predyktorem wyników u pacjentów z rakiem prostaty, którzy przeszli radioterapię lub radykalną prostatektomię. Wyniki te były istotnie skorelowane z ryzykiem przerzutów i biochemicznej porażki leczenia.
Dla grupy pacjentów po radioterapii, VAI miało wyższą precyzję w przewidywaniu przerzutów w ciągu siedmiu lat niż tradycyjne grupy ryzyka. Co więcej, informacje prognostyczne dostarczone przez VAI były porównywalne z wynikami uzyskanymi z manualnych segmentacji, co potwierdza wiarygodność tego narzędzia w przewidywaniu wyników leczenia pacjentów.
Chociaż model AI czasami pomijał zmiany z oceną PI-RADS 5, VAI pozostawało czułe na klinicznie istotne obciążenie chorobą. Zdolność modelu nnU-Net do przewidywania przerzutów była równa lub nawet lepsza od najnowszych biomarkerów genomowych lub patologicznych.
### Wnioski
Technologia VAI okazała się obiecującym narzędziem do przewidywania prognoz u pacjentów z rakiem prostaty po radykalnej prostatektomii lub radioterapii. Jej precyzja w różnych warunkach obrazowania oraz zdolność do trafnego prognozowania podkreślają jej potencjał jako uzupełnienia lub nawet alternatywy dla tradycyjnych metod prognostycznych.
Dzięki sztucznej inteligencji możliwe jest jeszcze bardziej spersonalizowane planowanie terapii, co przekłada się na lepsze wyniki leczenia oraz poprawę jakości życia pacjentów. Jeśli technologia ta będzie dalej rozwijana, może ona stać się istotnym elementem w diagnostyce i leczeniu raka prostaty, oferując pacjentom szansę na szybsze i skuteczniejsze leczenie.
