AI wykrywa raka trzustki na 3 lata przed diagnozą na podstawie TK
Model głębokiego uczenia, wytrenowany na 32 000 obrazów TK, wykrywa guzki poniżej centymetra z dokładnością 86%, co ma kluczowe znaczenie dla wyleczenia przy niskiej przeżywalności.
Wprowadzenie
W kwietniu 2026 roku świat onkologii dokonał przełomu, który może zmienić los jednego z najbardziej śmiercionośnych nowotworów. Naukowcy z Mayo Clinic przedstawili REDMOD – model sztucznej inteligencji zdolny do wykrywania gruczolakoraka przewodowego trzustki na standardowych tomografiach komputerowych jamy brzusznej na trzy lata przed kliniczną diagnozą.
Rak trzustki pozostaje nowotworem o najgorszym rokowaniu. Ponad 85% pacjentów otrzymuje diagnozę w stadium, gdy guz już rozprzestrzenił się poza narząd, a pięcioletnia przeżywalność nie przekracza 12%. Do 2030 roku ten typ raka stanie się drugą najczęstszą przyczyną zgonów z powodu nowotworów w USA. Główną przeszkodą w ratowaniu życia nie jest brak metod leczenia, ale niemożność dostrzeżenia choroby we wczesnym, jeszcze uleczalnym stadium.
REDMOD rozwiązuje właśnie ten problem. Zamiast szukać widocznego guza, AI analizuje subwizualne wzorce radiomiczne – ledwo zauważalne zaburzenia tekstury i struktury tkanek, pojawiające się na lata przed powstaniem nowotworu.
Szczegóły wydarzenia i chronologia
Opracowanie modelu. REDMOD został wytrenowany na wieloośrodkowej kohorcie 969 pacjentów, obejmującej 156 osób z przedklinicznym stadium raka i 813 przypadków kontrolnych. Model wykorzystuje w pełni zautomatyzowaną segmentację trzustki oraz architekturę zespołową (regresja logistyczna, losowy las, XGBoost) wytrenowaną na 40 cechach radiomicznych.
Kluczowe wyniki. Podczas testów na niezależnej próbie 493 pacjentów REDMOD osiągnął AUC 0,82 i czułość 73,0%, wykrywając raka średnio 475 dni przed kliniczną diagnozą. Czułość modelu była prawie dwukrotnie wyższa niż doświadczonych radiologów (73,0% vs 38,9%). W przypadku przypadków wykrytych ponad 24 miesiące przed diagnozą przewaga AI wzrastała prawie trzykrotnie (68,0% vs 23,0%).
Stabilność i uogólnialność. Przy ponownym skanowaniu tych samych pacjentów REDMOD wykazywał 90–92% zgodności wyników. Swoistość modelu wyniosła 81,3% w niezależnej wieloośrodkowej kohorcie 539 pacjentów i 87,5% w publicznym zbiorze danych NIH składającym się z 80 pacjentów.
Równoległe opracowania. Oprócz REDMOD, w latach 2025–2026 pojawiły się inne systemy. Naukowcy z Sankt-Petersburskiego Państwowego Uniwersytetu Elektrotechnicznego LETI wraz z Narodowym Centrum Medycznym Chirurgii im. Wiszniewskiego opracowali sieć neuronową o dokładności wykrywania zmian patologicznych wynoszącej 92,55%. Badanie opublikowane w PLOS ONE przedstawiło system CAD z dokładnością wykrywania 99,64% i klasyfikacji 98,72%.
Wpływ i znaczenie
Dla świata onkologii. REDMOD potwierdził teorię o istnieniu przedklinicznego „okna” trwającego lata, w którym rak trzustki jest już obecny w organizmie, ale pozostaje niewidoczny dla ludzkiego oka i standardowych metod obrazowania. Naukowcy z Mayo Clinic po raz pierwszy wykazali, że subwizualne zaburzenia tekstury tkanek, wychwytywane przez AI, służą jako wiarygodny predyktor przyszłej choroby.
„Największą przeszkodą w ratowaniu życia przy raku trzustki była nasza niezdolność do dostrzeżenia choroby, gdy jest jeszcze uleczalna” – powiedział Ajit Goenka, starszy autor badania. „Ta AI może teraz zidentyfikować sygnaturę raka w normalnie wyglądającej trzustce i robi to niezawodnie w czasie oraz w różnych warunkach klinicznych”.
Dla przemysłu farmaceutycznego. Przełom REDMOD zmienia ekonomikę opracowywania leków na raka trzustki. Wczesna diagnoza otwiera możliwość testowania nowych leków u pacjentów z minimalnym obciążeniem nowotworowym, gdzie skuteczność terapii jest potencjalnie wyższa. Równocześnie naukowcy z Mayo Clinic uruchomili badanie kliniczne AI-PACED, oceniające integrację badań przesiewowych AI w pomocy pacjentom z nowo zdiagnozowaną cukrzycą – grupie wysokiego ryzyka.
Dla społeczeństwa. Modelowanie pokazuje, że zwiększenie odsetka zlokalizowanych przypadków raka trzustki z 10% do 50% ponad dwukrotnie podniosłoby wskaźniki przeżywalności. Przedział czasowy stworzony przez REDMOD pozwala przesunąć diagnostykę z objawowego późnego stadium (gdy możliwa jest tylko opieka paliatywna) do stadium 0, gdy komórki rakowe są obecne, ale nie rozprzestrzeniły się, a leczenie może być radykalne i potencjalnie wyleczające.
Reakcje kluczowych graczy
Mayo Clinic. Naukowcy podkreślają, że REDMOD nie zastępuje radiologa, ale jest narzędziem wspomagającym podejmowanie decyzji. Model jest przeznaczony do analizy TK wykonanych już z innych powodów, szczególnie u pacjentów z grupy wysokiego ryzyka (osoby starsze z nowo zdiagnozowaną cukrzycą i utratą masy ciała). Kolejnym etapem jest prospektywna walidacja w rzeczywistych programach badań przesiewowych.
Środowisko naukowe. Wyniki REDMOD zostały opublikowane w czasopiśmie Gut, jednym z wiodących wydawnictw w dziedzinie gastroenterologii. Badanie otrzymało wysokie oceny za rygor metodologiczny: po raz pierwszy wykazano podłużną stabilność predyktorów i swoistość na niezależnych kohortach. Szczególną uwagę zwróciła analiza mechanizmów działania modelu: ponad 90% mocy predykcyjnej REDMOD zapewniają cechy teksturalne wyodrębnione na wielu skalach transformacji falkowej.
Rosyjscy naukowcy. Opracowanie sieci neuronowej w LETI prowadzone jest w ramach dekady nauki i technologii w Rosji. W perspektywie model wejdzie w skład systemu wspomagania decyzji lekarskich, który pozwoli nie tylko wykrywać guzy, ale także oceniać stopień ich naciekania na sąsiednie narządy.
Prognoza i wnioski
Co mamy na maj 2026 roku. REDMOD stał się pierwszym w pełni zautomatyzowanym, podłużnie stabilnym i zewnętrznie zwalidowanym systemem AI do wykrywania przedklinicznego raka trzustki. Czułość modelu jest prawie dwukrotnie wyższa niż radiologów, a przewaga rośnie wraz ze wzrostem horyzontu czasowego do diagnozy.
Główne wyzwania. Wysoka swoistość (81–87%) oznacza, że kilka procent pacjentów może otrzymać wyniki fałszywie dodatnie – problem wymagający jasnych protokołów obserwacji. Ponadto badanie przeprowadzono na ograniczonej etnicznie próbie. Do ostatecznego wdrożenia w praktyce klinicznej potrzebne są prospektywne badania na kohortach wysokiego ryzyka.
Perspektywy. Kolejny etap rozwoju to integracja REDMOD z analizatorami elektronicznej dokumentacji medycznej, które mogą identyfikować pacjentów z nową cukrzycą i utratą masy ciała oraz automatycznie inicjować badania przesiewowe. Duże prospektywne badania są już planowane w Bostonie, Berlinie i Singapurze.
Wniosek. Rak trzustki przestał być „niewidzialny”. REDMOD i podobne systemy AI są w stanie zajrzeć lata w przyszłość, tam, gdzie choroba dopiero się zaczyna. To nie panaceum, ale potężne narzędzie, które – w połączeniu z precyzyjnym targetowaniem grup ryzyka i skuteczną terapią – może odwrócić losy walki z jednym z najbardziej podstępnych nowotworów. Jak podsumowują autorzy badania: „Zmiana paradygmatu z późnej diagnostyki objawowej na proaktywne przechwytywanie przedkliniczne to realna nadzieja na poprawę wyników w tej złożonej chorobie”.
— Editorial Team
