“Deep medicine”; Predikcia úspešnosti imunoterapie; CT pľúc a choroby srdca; Revolúcia v medicínskych technológiach

Health AI je pravidelná rubrika venovaná technologickým inováciam v oblasti medicíny a life sciences. Partnerom obsahu je firma Cognexa , ktorá vyvíja špecializované softvérové riešenia, založené na technológii tzv. umelej inteligencie (AI), aj pre organizácie v oblasti medicíny a life sciences.

 

Predikcia úspešnosti imunoterapie rakoviny pľúc pomocou umelej inteligencie

Imunoterapia monoklonálnymi protilátkami je jedna z najnovších a najúčinnejších metód na liečbu rakoviny. Protilátky „blokujú“ kontrolný bod imunitnej odpovede organizmu proti nádorovým bunkám a umožňujú tak samotnému imunitnému systému úspešne zasiahnúť. V tom sa imunoterapia odlišuje od chemoterapie, kde nádorové bunky (a popri tom aj veľa zdravých) sú ničené priamo chemickými molekulami. „Check-point“  inhibítory sú však účinné len u asi 20% pacientov, a berúc do úvahy vysokú cenu liečby (okolo 200 000 EUR na rok na jedného pacienta), je nevyhnutné identifikovať tých správnych pacientov, ktorým táto liečba môže pomôcť.

Vedci z Case Western Reserve University sa pozreli na imunoterapiu rakoviny pľúc. Naučili software rozpoznať rozdiely medzi CT pľúc pri diagnóze a po niekoľkých cykloch imunoterapie. Nepozerali sa však len na veľkosť nádoru, ale predovšetkým na zmeny v jeho štruktúre, objeme a tvare. Niekedy sa stane, že nádor je po imunoterapii dokonca väčší ako pred liečbou, to môže byť spôsobené napríklad prasknutými cievami vo vnútri nádoru.

Vedci zároveň zistili, že pre určenie pacienta vhodného na imunoterapiu je dôležitá prítomnosť určitých buniek imunitného systému v biopsii nádoru pred začiatkom liečby. Prítomnosť určitého setu imunitných buniek v nádore pred liečbou (stanoveného  imunohistochemicky) predurčovala určité zmeny v štruktúre nádoru (stanoveného pomocou CT) a priamo korelovala s lepším prežívaním pacientov.

Pomocou strojového učenia sa na 50 CT skenoch pacientov s rakovinou pľúc určil algoritmus, ktorý bol neskôr použitý na identifikáciu zmien v nádore. Metóda bola použitá v dvoch rôznych klinických zariadeniach a po podaní troch rôznych imunoterapeutík. Výsledky boli veľmi porovnateľné. Model strojového učenia teda pomohol predpovedať odpoveď pacienta na základe počiatočného obrazu nádoru. V budúcnosti táto metóda umožní onkológovi od začiatku vybrať tú najvhodnejšiu liečbu pre daného človeka.

Centrum pre počítačové zobrazenie a personalizovanú diagnostiku (CCIPD) na hore spomínanej univerzite, kde sa uvedený výskum uskutočnil, je veľmi aktívne v detekcii, diagnóze a charakterizácii nádorových a iných ochorení s použitím lekárskych zobrazovacích metód, strojového učenia a umelej inteligencie. Už predtým použili metódu AI, založenú na vyhodnotení obrazu tkaniva nádoru na identifikáciu pacientov, ktorí budú profitovať z chemoterapie.

Môžeme nájsť príznaky srdcových chorôb na CT-čku pľúc?

Aj druhý príspevok bude o pľúcach. A bude aj o srdci. Ischemická choroba srdca, cievna mozgová príhoda a rakovina pľúc patria k najväčším zabijakom na Slovensku. Len tesne je rakovina pľúc nasledovaná rakovinou hrubého čreva, konečníka a zápalom pľúc. Takže, téma je nanajvýš relevantná pre Slovensko.

Na skríning rakoviny pľúc sa obyčajne používa (aspoň vo svete) CT zobrazenie za použitia nízkych dávok. Takéto CT však okrem rakovinových lézií dokáže zobraziť aj vápnik v koronárnych artériach, ktorý je odrazom plakov či zanesenia v artériach. Skóre prítomnosti vápnika v koronárnych artériach z CT srdca je zavedená metóda, ktorá pomáha lekárom vybrať, ktorí pacienti majú užívať lieky na zníženie cholesterolu- statíny.

Výskumníci nedávno vyvinuli a testovali techniku za použitia AI, ktorá automaticky merala a vyhodnocovala množstvo vápnika v koronárnych artériach. AI trénovali na kardiologických CT a pľúcnych CT, kde bola prítomnosť usadeného vápnika v artériach stanovená manuálne. Potom systém testovali na tisíckach ťažkých fajčiarov, ktorí boli kontrolovaní v národnom skríningovom projekte.

Zaujímavým výsledkom bolo nielen to, že manuálne (=ľudské) stanovenie prítomnosti vápnika a to strojové bolo podobné, ale aj to, že výsledky umelej inteligencie stanovenia vápnika významne korelovali s úmrtnosťou počas 6,5-ročného následného sledovania.

Hlboké učenie na stanovenie vápnika v artériach beží na pozadí vyhodnotenia CT pľúc na prítomnosť rakovinových lézií a neznamená nijaké zvýšenie času vyšetrenia.

Vedci zúčastnení na tomto výskume hovoria, že snímky pľúc môžu poskytnúť klinicky relevantné informácie aj mimo sledovania hlavnej diagnózy, pre ktorú bol takýto snímok robený.

Nie je čas na to, aby sme sa na niečo podobné dali aj my, na Slovensku? Počet úmrtí na ischemickú chorobu srdca by sa mohol znížiť pomocou bežných či takmer bežných zobrazení pľúc, ktoré sa predsa len robia častejšie ako špecializované vyšetrenia srdca a ciev.

Viete, čo je to „deep medicine“?

Takmer všetci sme už počuli o hlbokom učení ako jednej z vyšších foriem umelej inteligencie. Ale počuli ste už niekedy o „deep medicine“?

Eric Topol, americký lekár a publicista a veľký propagátor metód umelej inteligencie v medicíne, vydal nedávno veľmi zaujímavú knižku „Deep medicine“, ktorá hovorí o tom ako môže umelá inteligencia urobiť zdravotnú starostlivosť opäť ľudskou. Odporúčam túto knižku každému, kto pracuje v oblasti medicíny/zdravotnej starostlivosti, lebo je to nielen o úžasných technických zlepšeniach a nových digitálnych technológiach, ale hlavne o tom, ako sa opäť priblížiť k pacientovi a pomôcť mu- či už liečiť jeho problémy alebo im dokonca aj efektívne predchádzať.

Na úvod, len jeden poznatok z knihy: Kým v roku 1975 sa na jedného pacienta v USA minulo $550 za rok a každý pacient strávil v priemere 60 minút v ordinácii lekára pri úvodnej návšteve, dnes sa minie na jedného pacienta  $11.000 za rok a pacient vyjde z ordinácie po 12 minútach pri úvodnej a po 7 minútach pri opakovanej návšteve. Počet zdravotníckych pracovníkov sa v USA zvýšil 4-násobne, % HDP na zdravotnú starostlivosť 2-násobne a jeden deň v nemocnici stojí 46-krát viac ako v roku 1973. A výsledkom je 5-násobne kratší čas, kedy pacient vidí svojho lekára a má možnosť sa s ním rozprávať. Áno, môžete namietať, že kvalita starostlivosti sa zvýšila, ako sa zvýšila aj priemerná doba dožitia, atď. Ale stále zostáva tých 12 minút, ktoré sa vám lekár v ordinácii venuje. Sú to údaje z USA, ale poľahky môžu byť aplikované na ktorúkoľvek rozvinutú krajinu, Slovensko nevynímajúc. Sami máme svoje skúsenosti s tým, koľko čakáme u lekára a koľko sa nám nakoniec venuje.

Podľa Erica Topola je „deep medicine“ určená troma komponentami:

1. Definovanie každého individuálneho človeka za použita všetkých možných relevantných dát- zdravotná, sociálna a behaviorálna história, história rodiny, biológia zahŕňajúca anatómiu, fyziológiu a prostredie. Biológia má viacero úrovní- DNA, RNA, proteíny, metabolity, imunóm, mikrobióm, epigenóm, atď. Môžeme povedať, že sa jedná o „hlboké fenotypovanie“ každého jednotlivca.
2. Hlboké učenie, ktoré zahŕňa rozoznanie určitých vzorov a použitie strojového učenia na podporu diagnózy, ale aj ďaľšie aplikácie ako je napríklad virtuálny medicínsky kouč. Takýto kouč bude viesť klientov k tomu, aby lepšie manažovali svoje zdravie. Hlboké učenie sa môže použiť aj na nastavenia v zdravotníckych zariadeniach- zlepšenie bezpečnosti a kvality života pacienta, prípadne zníženie potreby priamych pobytov v nemocniciach zabezpečením efektívneho monitorovania v domácich podmienkach. Tu na svoju príležitosť AI vo veľkej miere ešte len  čaká.
3. Najdôležitejším komponentom „deep medicine“ je hlboká empatia a spojenie medzi pacientami a lekármi. Zdá sa, že to, čo chýba dnešnej zdravotnej starostlivosti je častokrát- starostlivosť. Tu sa ponúka veľká príležitosť práve pre AI- hlavnou úlohou umelej inteligencie nie je redukovať chyby alebo pracovnú záťaž alebo vyliečiť rakovinu, ale obnoviť vzácne spojenie a dôveru- ľudský dotyk- medzi pacientom a lekárom.

Stroje nenahradia lekárov, ale môžu im pomôcť dať to najdôležitejšie, čo chorý človek potrebuje- počúvanie, pochopenie a ľudský prístup.

 

Revolúcia v medicínskych technológiach

Posledný príspevok je trochu odlišný, budeme sa venovať technológiam, používaným v zdravotnej starostlivosti. Keďže už z predchádzajúceho blogpostu vieme, že technológie nie sú len doménou IT, tak nás neprekvapí, že vývoj technológií ide dopredu aj v tejto oblasti. Aj keď budete asi prekvapení, čo všetko nám pomohlo dostať sa na úroveň dneška.

Jednou z prvých technológií v zdravotnej starostlivosti je- stetoskop, objavený v roku 1816. V roku 1958 bol implantovaný prvý pacemaker do pacienta a v roku 1987 bola urobená prvá laserová operácia očnej šošovky.

V posledných rokoch je medicína čoraz viac ovplyvnená technológiami, pôvodne vyvinutými a používanými v iných sektoroch. DARPA vyvinula protetickú ruku, schopnú obojstrannej komunikácie medzi mozgom a strojom. Ak vám tento vynález pripadá povedomý, tak máte asi pravdu- v Star Wars epizóde V: Impérium vracia úder dostal Luke Skywalker práve takú ruku po jeho zranení.

A samozrejme- umelá inteligencia. Trhový potenciál AI v medicíne bol v roku 2018 $ 2,1 B. O 6 rokov sa už predpokladá, že toto číslo sa zvýši na $ 36 B.

Ak máte záujem si pozrieť pekné grafické časové línie vývoja technológií zdravotnej starostlivosti a prečítať si zopár ďaľších faktov, určite si kliknite na tento link, odkiaľ som čerpala aj ja.