Model AI Mayo Clinic potraja wykrywalność raka trzustki we wczesnych stadiach
Model REDMOD, opracowany przez Mayo Clinic i opisany w czasopiśmie Gut, wykrywa niewidoczne dla radiologów oznaki guza na podstawie zdjęć CT na 475 dni przed standardową diagnozą. Technologia zwiększa czułość wykrywania do 73% i została już uruchomiona w pierwszym badaniu klinicznym w USA.
Opracowanie modelu REDMOD przez Mayo Clinic to nie tylko kolejny „AI, który widzi raka wcześniej niż lekarz”. To pierwszy zwalidowany system, który przenosi raka trzustki z kategorii „późno diagnozowanych wyroków” do kategorii chorób poddających się screeningowi na rutynowym sprzęcie, już stojącym w tysiącach klinik. Podczas gdy nagłówki skupiają się na liczbach „podwojenia czułości”, prawdziwa zmiana zachodzi na poziomie modelu biznesowego diagnostyki: model nie wymaga nowego sprzętu, specjalnego protokołu skanowania ani ręcznej adnotacji – automatycznie analizuje standardowe CT jamy brzusznej.
Istota: nie wykrywanie guza, ale przechwycenie na etapie „zerowego” fenotypu
Formalnie praca została opublikowana 28 kwietnia 2026 roku w Gut przez zespół pod kierownictwem Sovanlala Mukherjee i Ajita Goenki. Kluczowy wynik: na niezależnej próbie testowej REDMOD zidentyfikował 73% pacjentów, u których później rozwinął się pancreatic ductal adenocarcinoma, z medianą wyprzedzenia 475 dni przed diagnozą kliniczną. Radiolodzy przeglądający te same skany wykazali czułość 38,9%. W przypadkach z opóźnieniem powyżej dwóch lat różnica jest jeszcze bardziej dramatyczna – 68% wobec 23%.
Jednak istota nie polega na przewadze nad człowiekiem, ale na tym, co dokładnie znajduje model. 90% używanych cech to filtered radiomic features po transformacjach falkowych. Innymi słowy, REDMOD rejestruje nie mikroguzki, które radiolog „przeoczył”, ale zmiany tekstury tkanki na poziomie zasadniczo niedostępnym dla ludzkiej percepcji. W rzeczywistości jest to „stadium 0” guza, gdzie nie ma substratu morfologicznego, a jedynie zaburzenie lokalnych gradientów intensywności i wieloskalowe zakłócenia tekstury.
Chronologia i kontekst
Historia zaczęła się na długo przed kwietniową publikacją. Mayo Clinic przez kilka lat inwestowała w Precure initiative – program, którego celem jest przewidywanie i zapobieganie chorobie przed pojawieniem się objawów. REDMOD nie jest ich pierwszym projektem AI, ale pierwszym doprowadzonym do etapu prospektywnego badania klinicznego AI-PACED.
Kontekst wyznaczają liczby przeżywalności: pięcioletnie przeżycie dla pancreatic ductal adenocarcinoma w USA wynosi około 13% ogólnie i 8% dla gruczolakoraka. Ponad 85% pacjentów otrzymuje diagnozę na etapie, gdy guz jest już nieoperacyjny. Do 2030 roku rak trzustki przewidywalnie wyjdzie na drugie miejsce wśród przyczyn zgonów onkologicznych w USA.
Fundament techniczny – radiomika, dyscyplina wydobywająca setki ilościowych cech z obrazów medycznych. Z początkowej puli 968 cech model wybrał 40, trzy algorytmy uczenia maszynowego pracują w zespole. Ważne: uczenie odbywało się na danych multiinstytucjonalnych – skany zebrano z kilku szpitali, na różnych tomografach i protokołach. Oznacza to, że problem domain shift, który zabił dziesiątki medycznych startupów AI, został tutaj przynajmniej częściowo zażegnany.
Kto wygrywa, a kto traci
Zwycięzcy: pierwsza grupa – sama Mayo Clinic, która konsoliduje status centrum kompetencji w dziedzinie radiomiki AI. Własny komunikat prasowy z 28 kwietnia 2026 roku przedstawia REDMOD jako część strategii Clinical Impact, ukierunkowanej na przyspieszone wdrażanie odkryć w praktyce. Druga grupa – producenci sprzętu CT, przede wszystkim Siemens Healthineers i GE HealthCare. Jeśli model działa na standardowych skanach, wartość każdego już zainstalowanego tomografu wzrasta: staje się on narzędziem screeningu bez dodatkowych inwestycji. Trzecia – pacjenci z grup wysokiego ryzyka, przede wszystkim osoby powyżej 60. roku życia z new-onset diabetes i utratą masy ciała, u których ryzyko rozwoju PDA jest 20 razy wyższe niż w populacji. Dla nich REDMOD to pierwsza realna szansa na wykrycie przed etapem nieoperacyjności.
Przegrani: twórcy biopsji płynnej, którzy zainwestowali miliony dolarów w testy na krążące DNA nowotworowe do wczesnego wykrywania. REDMOD wykorzystuje już istniejące skany, bez pobierania krwi, bez logistyki laboratoryjnej, z zerowymi kosztami krańcowymi na jedną analizę. Jeśli model wykaże porównywalną lub lepszą czułość w badaniach prospektywnych, uzasadnienie ekonomiczne dla drogich testów opartych na krwi poważnie osłabnie. Drugi – firmy ubezpieczeniowe: wczesne wykrywanie tworzy falę nowych pacjentów wymagających operacji i chemioterapii, co w krótkiej perspektywie zwiększa wydatki, nawet jeśli długoterminowo ratuje życie.
Czego media nie mówią
Pierwszy ślepy punkt – swoistość. REDMOD wykazał swoistość 81,1%. Oznacza to prawie 19% wyników fałszywie dodatnich. Przy skalowaniu na populację przechodzącą rutynowe CT jamy brzusznej z innych powodów, liczba false positives będzie ogromna. Każdy taki przypadek to niepotrzebna biopsja, endoskopowe USG lub ponowne skanowanie. Koszt kaskady fałszywie dodatniego wyniku – od 5000 do 15 000 dolarów na pacjenta. System opieki zdrowotnej musi być gotowy na pochłonięcie tych wydatków.
Drugi punkt: badanie przyznaje, że próba nie była zróżnicowana etnicznie. Jest to krytyczne, ponieważ sygnatury radiomiczne tekstury tkanki mogą zależeć od cech populacyjnych – procentu zrębu, nacieku tłuszczowego trzustki, częstości przewlekłego zapalenia trzustki w populacji. REDMOD, uczony głównie na danych białych pacjentów z Minnesoty, może stracić czułość przy zastosowaniu, powiedzmy, w Azji Południowo-Wschodniej.
Trzeci i najważniejszy przemilczany punkt: próżnia regulacyjna. MHRA w Wielkiej Brytanii wciąż nie opublikowała specjalistycznych ram dla medycznych urządzeń AI, obiecanych w 2026 roku. FDA w USA ma bardziej dojrzałe procedury, ale i tam status modelu AI jako „urządzenia do screeningu” versus „narzędzia wspomagania decyzji” nie jest ostatecznie określony. REDMOD formalnie to walidacja retrospektywna, a Mayo Clinic uczciwie ostrzega: „prospective validation is paramount”. Jednak presja ze strony organizacji pacjenckich będzie narastać, a FDA może znaleźć się w sytuacji, w której musi zatwierdzić zastosowanie technologii przed zakończeniem idealnego RCT.
Prognoza: następne 30 dni i 90 dni
W ciągu najbliższych 30 dni spodziewam się rozpoczęcia rekrutacji do AI-PACED – prospektywnego badania ogłoszonego przez Mayo Clinic. Równolegle co najmniej jedna duża sieć onkologiczna rzędu MD Anderson lub Memorial Sloan Kettering ogłosi plany walidacji REDMOD na własnych danych retrospektywnych. Publikacja w Gut z danymi walidacji multiinstytucjonalnej już daje im szablon metodologiczny.
W perspektywie 90 dni: FDA z dużym prawdopodobieństwem opublikuje discussion paper o statusie modeli detekcyjnych opartych na radiomice jako klasy. Nie będzie to wytyczna, ale sygnał dla rynku – przygotujcie się na regulacje. Jednocześnie spodziewam się, że co najmniej dwa finansowane venture capital startupy ogłoszą opracowanie konkurencyjnych modeli ukierunkowanych na „stadium 0” innych guzów – prawdopodobnie jajników i cholangiocarcinoma, gdzie ten sam problem niewidzialności we wczesnych etapach.
Główna prognoza – REDMOD stanie się precedensem, który zmieni sam koncept screeningu. Dziś screening wymaga osobnej wizyty, osobnego sprzętu i programu populacyjnego. Model Mayo pokazuje, że screening może być „pasywny” – każde rutynowe CT jamy brzusznej, wykonane z dowolnego powodu, jest automatycznie analizowane przez AI pod kątem wczesnych sygnatur raka. Przy 80 milionach badań CT rocznie tylko w USA oznacza to stworzenie największej w historii medycyny oportunistycznej sieci screeningowej z zerowymi dodatkowymi kosztami zbierania danych. Rynek, który z tego wyrośnie, będzie mierzony nie w milionach, ale w miliardach dolarów.
— Editorial Team
