Zastosowanie sztucznej inteligencji w diagnostyce i leczeniu raka prostaty
Rak stanowi poważny globalny problem zdrowotny, dotykający milionów ludzi na całym świecie. Wśród różnych typów nowotworów, rak prostaty (PCa), który rozwija się w gruczole krokowym męskiego układu rozrodczego, jest drugim najczęściej występującym nowotworem u mężczyzn na całym świecie. Wczesne wykrycie i leczenie są kluczowe dla zmniejszenia śmiertelności, lecz stanowią wyzwanie ze względu na brak objawów we wczesnym stadium choroby. Postępy w dziedzinie sztucznej inteligencji (AI) przynoszą istotne korzyści klinicystom, umożliwiając dokładniejsze wykrywanie choroby nawet przy minimalnych objawach.
Zespół naukowców pod kierownictwem dr. Lianga Chenga z Warren Alpert Medical School przy Uniwersytecie Browna (USA) oraz dr. Rui Chena z Shanghai Jiao Tong University School of Medicine (Chiny) przeprowadził przegląd badań w celu zidentyfikowania modeli AI wykorzystywanych w diagnostyce i leczeniu raka prostaty. Praca została opublikowana online w Chinese Medical Journal 9 lipca 2025 r.
„W naszym przeglądzie skupiamy się na wspomaganym przez AI spersonalizowanym zarządzaniu i medycynie precyzyjnej w raku prostaty – zarówno w kontekście patologii, jak i obrazowania. Podsumowujemy najnowsze osiągnięcia w dziedzinie diagnostyki, leczenia, prognozowania rokowania i molekularnej podtypizacji nowotworu oraz omawiamy zastosowanie modeli fundamentowych w PCa” – wyjaśnia dr Cheng.
Jak w przypadku innych nowotworów, wykrycie raka prostaty opiera się na kombinacji testów laboratoryjnych i badań fizykalnych. Najczęściej stosuje się oznaczenie stężenia swoistego antygenu sterczowego (PSA) oraz badanie per rectum (DRE), często uzupełniane o różne techniki obrazowe. Chociaż badanie PSA jest obiecującym narzędziem do wczesnego wykrywania choroby, jego stosowanie może prowadzić do nadrozpoznawalności i niepotrzebnych biopsji, co zwiększa potrzebę lepszych metod diagnostycznych. Przykładem jest model Asian Prostate Cancer Artificial Intelligence, który wykorzystuje wieloparametrowe dane kliniczne w celu optymalizacji przesiewu i ograniczenia liczby niepotrzebnych biopsji.
Model Galen Prostate to kolejne rozwiązanie AI, oparte na konwolucyjnych sieciach neuronowych (CNN), stosowane już po potwierdzeniu diagnozy, w celu oceny agresywności raka prostaty poprzez usprawnienie systemu oceny Gleasona – kluczowego narzędzia klasyfikacji patologicznej. W dziedzinie obrazowania zastosowanie mają algorytmy takie jak Fuzzy C-Means do analizy rezonansu magnetycznego (MRI), umożliwiające różnicowanie zmian nowotworowych od łagodnych, a także modele ProGNet oraz modele segmentacji MRI oparte na CNN, które lokalizują i konturują zmiany patologiczne. Takie narzędzia umożliwiają szybszą i dokładniejszą diagnostykę.
Kluczowym etapem w leczeniu PCa jest zarządzanie terapią. Pacjenci prezentują się z różnym zaawansowaniem choroby, dlatego leczenie musi być indywidualnie dostosowane. Nowotwory ograniczone do prostaty zwykle leczone są kombinacją terapii deprywacji androgenowej (ADT) i radioterapii. Choć ADT może przynieść korzyści niektórym pacjentom, u innych pogarsza jakość życia. Multimodal Artificial Intelligence Prostate Prognostic Model to system AI, który pozwala wytypować pacjentów, dla których krótkoterminowa ADT będzie skuteczna, oraz wykluczyć tych, u których nie przyniesie efektów, wspierając decyzje terapeutyczne.
W pracy omówiono również inne modele AI zwiększające precyzję radioterapii, takie jak modele oparte na random forest, automatyzujące parametry leczenia, czy Virtual Treatment Planner, który optymalizuje planowanie terapii. Ponadto, wspomniano o algorytmach prognostycznych, jak Survival Quilt, umożliwiający 10-letnią prognozę przeżycia dla pacjentów z ograniczoną postacią raka prostaty.
Nawrót biochemiczny (BCR) wskazuje na wznowę raka po leczeniu, a przerzuty oznaczają jego rozprzestrzenienie do innych narządów. Narzędzia takie jak Prostate Cancer Lymph Node Metastasis Detector oraz model XGBoost wykazały dużą dokładność w wykrywaniu przerzutów i przewidywaniu BCR. Lymph Node Metastases Diagnostic Model to zaawansowane narzędzie umożliwiające również wykrywanie mikroskopijnych przerzutów w węzłach chłonnych.
Autorzy przeanalizowali także przejście od tradycyjnych narzędzi AI do tzw. modeli fundamentowych. Modele te, trenowane na ogromnych zbiorach danych, cechuje wielozadaniowość i duża elastyczność. Choć dotychczasowe narzędzia zadaniowo-specyficzne znacznie poprawiły opiekę nad pacjentem, wprowadzenie modeli fundamentowych zapowiada nową erę w medycynie.
Podsumowując, przegląd dostarcza kompleksowej wiedzy na temat zastosowania AI w praktyce klinicznej w raku prostaty. Mimo imponujących postępów, autorzy zwracają uwagę na wyzwania związane z wdrożeniem tych technologii, w tym konieczność ograniczenia zapotrzebowania na ogromne zbiory danych oraz minimalizację stronniczości modeli AI.
„W przyszłości, wraz z rozbudową baz danych, udoskonaleniem algorytmów oraz opracowaniem odpowiednich regulacji prawnych, AI ma szansę odegrać jeszcze większą rolę w precyzyjnej medycynie raka prostaty” – podsumowuje dr Chen.
Źródło: Chinese Medical Journal, The role of artificial intelligence in prostate cancer management: A review
DOI: http://dx.doi.org/10.1097/CM9.0000000000003689
