Immunoterapia nowotworów to metoda, która wzmacnia i wykorzystuje układ odpornościowy pacjenta do walki z komórkami raka. Jak podkreślają badacze z University of Chicago (USA), zrewolucjonizowała ona leczenie raka płuca, przynosząc długotrwałe korzyści 20–30 proc. pacjentów.

Niestety u większości pacjentów choroba rozwija oporność na leczenie, a lekarze nie potrafią przewidzieć, którzy chorzy odniosą korzyść z terapii.

Obecnie decyzje terapeutyczne w dużej mierze opierają się na badaniu specyficznego biomarkera o nazwie PD-L1, co ma znaczne ograniczenia.

– Potrzebujemy bardziej zaawansowanych narzędzi – zaznacza prof. Marina Garassino, onkolog z UChicago Medicine i starsza autorka badania, autorka badania opisanego w magazynie „Nature Medicine”.

Gdyby udało się lepiej przewidywać, u kogo terapia zadziała, wielu pacjentom można by oszczędzić niepotrzebnych toksycznych efektów leczenia oraz zmniejszyć koszty dla służby zdrowia.

Nowe badanie o nazwie I3LUNG wskazało, że z dużą skutecznością potrafi to robić sztuczna inteligencja.

Wzięło w nim udział 2396 pacjentów z zaawansowanym niedrobnokomórkowym rakiem płuca, leczonych immunoterapią w sześciu ośrodkach we Włoszech, Niemczech, Grecji, Izraelu, Hiszpanii i Stanach Zjednoczonych.

Najpierw naukowcy połączyli w jednej bazie różne rodzaje danych dotyczących każdego pacjenta, w tym dane kliniczne, obrazowe, patomorfologiczne i genomiczne. Następnie stworzyli i przetestowali dwie grupy modeli AI uczonych na wszystkich zebranych danych, aby przewidywać odpowiedź na leczenie i przeżycie pacjentów.

Modele AI konsekwentnie przewyższały wszystkie standardowe biomarkery kliniczne.

Skuteczność AI ocenia się miarą AUC, która pokazuje, jak dobrze model klasyfikuje dane – w tym przypadku, jak trafnie przewiduje przeżycie pacjentów. Jak wyjaśniają badacze, wyniki od 0,8 do 0,9 uznaje się za bardzo dobre.

Model wykorzystujący dane kliniczne i wyniki badań krwi osiągnął AUC 0,77, natomiast model uwzględniający dodatkowo obrazowanie i cyfrową patomorfologię – 0,88. Sprawdzono także skutki współpracy AI z lekarzami.

Dwudziestu lekarzy – dziesięciu specjalistów w leczeniu raka płuca i dziesięciu lekarzy innych specjalności – przeanalizowało sto rzeczywistych przypadków pacjentów, najpierw bez wsparcia AI, a następnie z jej pomocą.

Wartość AUC wzrosła z 0,72 do 0,87, przy czym największą poprawę odnotowano u lekarzy, którzy nie specjalizowali się w raku płuca.

Może to mieć szczególne znaczenie dla ośrodków, w których dostęp do specjalistów zajmujących się nowotworami klatki piersiowej jest ograniczony.

Jednocześnie zgodność ocen między lekarzami wzrosła z niewielkiej do umiarkowanej, co według badaczy sugeruje, że narzędzie może również sprzyjać bardziej spójnemu podejmowaniu decyzji klinicznych niezależnie od doświadczenia lekarza.

W obecnej publikacji przedstawiono retrospektywną fazę projektu.

Teraz prowadzona prospektywna rekrutacja ponad 2 tys. pacjentów w tych samych ośrodkach, co pozwoli naukowcom skupić się już na optymalizacji leczenia.

Ich zdaniem to kluczowe, ponieważ, jak podkreślają, ocena modeli AI powinna uwzględniać nie tylko ich skuteczność, ale także praktyczną użyteczność w codziennej opiece klinicznej.

– I3LUNG wyznacza nowy standard wykorzystania AI w onkologii klatki piersiowej. Narzędzia wspomagające decyzje stworzone nawet na podstawie rutynowo dostępnych danych klinicznych mogą przewyższać biomarkery, na których polegamy obecnie – mówi prof. Garassino.

– Dla pacjentów oznacza to mniej niewykorzystanych szans na skuteczne leczenie. Dla lekarzy pracujących poza wyspecjalizowanymi ośrodkami – dostęp do wskazówek na poziomie eksperckim bezpośrednio podczas opieki nad chorym. Dla całej dziedziny to z kolei rygorystyczne, uczciwe i możliwe do wyjaśnienia podejście, zweryfikowane w różnych systemach ochrony zdrowia i populacjach, które może stać się globalną platformą dla kolejnej generacji precyzyjnej immunoterapii – podsumowuje.

Marek Matacz (PAP)

mat/ agt/