Sztuczna inteligencja nie poprawiła automatycznie wykrywania zmian przedrakowych u osób z zespołem Lyncha

Wspomaganie kolonoskopii przez sztuczną inteligencję nie zwiększyło istotnie wykrywalności klinicznie ważnych zmian przedrakowych u osób z zespołem Lyncha badanych w wyspecjalizowanych ośrodkach. Wyniki największego dotychczas randomizowanego badania endoskopowego w tej grupie wysokiego ryzyka wskazują, że skuteczność systemów AI zależy od jakości wyjściowej badania, doświadczenia endoskopisty oraz warunków klinicznych, w których technologia jest stosowana.

W artykule:

• Dlaczego osoby z zespołem Lyncha wymagają regularnej kolonoskopii
• Jak zaprojektowano międzynarodowe badanie CADLY2
• Czy sztuczna inteligencja zwiększyła wykrywalność gruczolaków
• Dlaczego doświadczenie endoskopisty pozostaje kluczowe
• Od czego może zależeć kliniczna skuteczność systemów AI
• Jakie znaczenie mają wyspecjalizowane ośrodki nadzoru onkologicznego

Zespół Lyncha a wysokie ryzyko raka jelita grubego

Zespół Lyncha jest najczęstszą dziedziczną predyspozycją do rozwoju raka jelita grubego. Szacuje się, że występuje u około jednej na 300 osób. Pacjenci z tym zespołem są objęci regularnym nadzorem endoskopowym, ponieważ ich ryzyko zachorowania na nowotwory jelita grubego jest wyraźnie większe niż w populacji ogólnej.

Pomimo systematycznie wykonywanych badań profilaktycznych ryzyko rozwoju raka jelita grubego w ciągu życia u wielu osób z zespołem Lyncha nadal wynosi około 50 proc. Z tego względu szczególnego znaczenia nabiera jakość każdej kolonoskopii, dokładność oceny błony śluzowej oraz skuteczność wykrywania zmian, które mogą stanowić stadium poprzedzające rozwój nowotworu.

Naukowcy z Universitätsklinikum Bonn, Universität Bonn, Universität Leipzig oraz Amsterdam UMC zbadali, czy zastosowanie systemu sztucznej inteligencji podczas kolonoskopii może poprawić wykrywalność zmian przedrakowych u osób z genetycznie potwierdzonym zespołem Lyncha. Wyniki międzynarodowego badania opublikowano w The Lancet Gastroenterology & Hepatology.

Wieloletni nadzór wymaga najwyższej jakości badań

Osoby z zespołem Lyncha często poddają się regularnym kolonoskopiom przez wiele dziesięcioleci. Każda poprawa skuteczności nadzoru mogłaby zatem mieć istotne znaczenie dla ograniczenia ryzyka zachorowania na raka jelita grubego oraz dla wcześniejszego usuwania potencjalnie niebezpiecznych zmian.

Jak podkreśla współautor pracy dr Robert Hüneburg, starszy lekarz w Medizinische Klinik I Universitätsklinikum Bonn, będącym częścią Centrum für Integrierte Onkologie Bonn, badacze chcieli ustalić, czy sztuczna inteligencja może stanowić dodatkowe wsparcie pozwalające na jeszcze bardziej niezawodne wykrywanie zmian przedrakowych.

Współczesne systemy komputerowego wspomagania detekcji podczas kolonoskopii analizują obraz endoskopowy w czasie rzeczywistym. Ich zadaniem jest wskazywanie obszarów błony śluzowej, które mogą odpowiadać polipom lub innym nieprawidłowościom. Technologia ta ma ograniczać ryzyko przeoczenia zmian, zwłaszcza niewielkich, płaskich lub trudnych do odróżnienia od otaczającej błony śluzowej.

CADLY2 – największe badanie tego rodzaju

Do międzynarodowego badania CADLY2 włączono 757 osób z genetycznie potwierdzonym zespołem Lyncha. Uczestnicy byli badani w dziewięciu wyspecjalizowanych ośrodkach działających w Niemczech, Niderlandach, Hiszpanii i Belgii.

Naukowcy oceniali, czy wykorzystanie systemu wspomagania opartego na sztucznej inteligencji podczas kolonoskopii prowadzi do wykrywania większej liczby gruczolaków niż wysokiej jakości standardowa kolonoskopia wykonywana bez wsparcia AI.

Gruczolaki są zmianami błony śluzowej jelita grubego uznawanymi za istotne zmiany przedrakowe. Ich wykrycie i usunięcie podczas kolonoskopii może przerwać sekwencję prowadzącą od łagodnej zmiany nowotworowej do inwazyjnego raka jelita grubego. Z tego powodu wykrywalność gruczolaków jest jednym z podstawowych parametrów jakości kolonoskopii.

CADLY2 jest dotychczas największym na świecie badaniem endoskopowym przeprowadzonym wśród osób z zespołem Lyncha. Jest również największym randomizowanym badaniem oceniającym zastosowanie sztucznej inteligencji podczas kolonoskopii w tej szczególnej grupie wysokiego ryzyka.

Badanie zostało zainicjowane i koordynowane przez Universitätsklinikum Bonn. Ośrodek ten odpowiadał również za rekrutację znacznej części uczestników.

Sztuczna inteligencja nie zwiększyła wykrywalności ważnych zmian

Analiza wyników wykazała, że dodatkowe zastosowanie sztucznej inteligencji w wyspecjalizowanych ośrodkach nie doprowadziło do wykrycia większej liczby istotnych zmian przedrakowych w porównaniu ze standardową kolonoskopią wykonywaną przez doświadczonych endoskopistów.

Oznacza to, że w warunkach bardzo wysokiej jakości badania, przy zachowaniu odpowiedniej techniki oraz dużym doświadczeniu personelu, system AI nie zapewnił istotnej dodatkowej korzyści diagnostycznej.

Autorzy wskazują, że jakość kolonoskopii w uczestniczących ośrodkach była na tyle wysoka, iż pozostawiała niewielką przestrzeń dla dalszej poprawy za pomocą zastosowanego rozwiązania technologicznego. Brak dodatkowego efektu nie musi zatem oznaczać, że system sztucznej inteligencji był nieskuteczny technicznie. Może natomiast wskazywać na tak zwany efekt sufitu, w którym wyniki uzyskiwane przez doświadczonych specjalistów są już bardzo dobre i trudno je dodatkowo poprawić.

Doświadczenie endoskopisty pozostaje decydujące

Zdaniem współautora badania prof. dr. Jacoba Nattermanna, kierownika Sektion Hepatogastroenterologie w Medizinische Klinik I Universitätsklinikum Bonn i członka Transdisziplinärer Forschungsbereich „Life & Health” Universität Bonn, uzyskany rezultat może początkowo wydawać się zaskakujący.

Wyniki pokazują jednak, że zastosowanie nowoczesnego systemu sztucznej inteligencji nie prowadzi automatycznie do poprawy rezultatów badania. W wyspecjalizowanych ośrodkach, w których kolonoskopie wykonują doświadczeni specjaliści, najważniejszym elementem profilaktyki raka jelita grubego pozostaje dokładne, staranne i prawidłowo przeprowadzone badanie endoskopowe.

Skuteczność kolonoskopii zależy między innymi od właściwego przygotowania jelita, dokładnego oglądania całej powierzchni błony śluzowej, odpowiedniego czasu wycofywania endoskopu, rozpoznawania subtelnych nieprawidłowości oraz doświadczenia osoby wykonującej badanie. Sztuczna inteligencja może wspierać te działania, ale nie zastępuje jakości procedury ani kompetencji klinicznych.

Znaczenie środowiska klinicznego

Badacze podkreślają, że wyniki CADLY2 nie stanowią argumentu przeciwko wykorzystywaniu sztucznej inteligencji w endoskopii. Wskazują natomiast, że korzyści wynikające z zastosowania nowych technologii mogą być silnie uzależnione od środowiska klinicznego.

Znaczenie mogą mieć między innymi doświadczenie endoskopistów, jakość sprzętu, organizacja procedur, charakterystyka badanej populacji, częstość występowania zmian oraz wyjściowa skuteczność wykrywania gruczolaków w danym ośrodku.

System, który nie poprawia wyników w wysoko wyspecjalizowanym centrum, może potencjalnie przynieść większe korzyści w placówkach o mniejszym doświadczeniu lub bardziej zróżnicowanej jakości kolonoskopii. Badanie CADLY2 nie pozwala jednak bezpośrednio potwierdzić takiego efektu, ponieważ zostało przeprowadzone w ośrodkach specjalizujących się w opiece nad osobami z zespołem Lyncha.

Jak zaznacza dr Hüneburg, badanie umożliwia bardziej realistyczną ocenę roli sztucznej inteligencji w nadzorze nad pacjentami obciążonymi wysokim ryzykiem nowotworowym. Jednocześnie podkreśla znaczenie wyspecjalizowanych ośrodków oraz ustrukturyzowanych programów nadzoru dla osób z zespołem Lyncha.

Potrzebna jest ocena rzeczywistej wartości klinicznej AI

Prof. dr Christian P. Strassburg, dyrektor Medizinische Klinik I i autor badania, wskazuje, że praca stanowi ważny wkład w opartą na dowodach ocenę sztucznej inteligencji stosowanej w profilaktyce raka jelita grubego.

Wyniki pokazują, że przy ocenie technologii medycznych nie wystarczy potwierdzić ich zdolności do rozpoznawania zmian na obrazie. Konieczne jest również wykazanie, że zastosowanie systemu prowadzi do mierzalnej poprawy wyników istotnych dla pacjentów lub zwiększa jakość procedury w rzeczywistych warunkach klinicznych.

Przyszłe badania powinny ustalić, w jakich grupach pacjentów, w jakich ośrodkach i przy jakim poziomie doświadczenia personelu systemy sztucznej inteligencji mogą zapewnić rzeczywistą wartość dodaną. Potrzebna jest także ocena, czy AI może ograniczać różnice jakościowe między placówkami, wspierać mniej doświadczonych endoskopistów lub poprawiać wykrywalność określonych typów zmian.

Wyspecjalizowane ośrodki pozostają podstawą nadzoru

Wyniki badania CADLY2 wskazują, że technologia nie powinna być traktowana jako automatyczny sposób poprawy jakości profilaktyki onkologicznej. U osób z zespołem Lyncha kluczowe pozostają regularne badania wykonywane zgodnie z programem nadzoru, wysoka jakość kolonoskopii oraz doświadczenie zespołu medycznego.

Dodatkowe narzędzia oparte na sztucznej inteligencji mogą w przyszłości znaleźć określone zastosowania kliniczne, jednak ich wdrażanie powinno opierać się na wynikach dobrze zaprojektowanych badań randomizowanych. Korzyść technologiczna musi być oceniana w odniesieniu do wyjściowej jakości opieki, a nie wyłącznie na podstawie technicznej zdolności systemu do oznaczania podejrzanych obszarów obrazu.

Ośrodki uczestniczące w badaniu

W realizacji projektu uczestniczyły Universitätsklinikum Bonn i Universität Bonn, Institut für Medizinische Informatik, Statistik und Epidemiologie Universität Leipzig, Amsterdam UMC oraz inne wyspecjalizowane ośrodki z Niemiec, Niderlandów, Hiszpanii i Belgii.

Źródło: The Lancet Gastroenterology & Hepatology, „CADLY2: Artificial intelligence-assisted adenoma detection in patients with Lynch syndrome undergoing colonoscopy – an international multicentre randomised controlled trial”.
DOI: https://doi.org/10.1016/S2468-1253(26)00163-9