Stworzono narzędzie AI, które może potroić czułość wczesnej diagnostyki raka trzustki
Naukowcy z Mayo Clinic opracowali model REDMOD, który wykrywa raka trzustki na tomografii komputerowej w stadium, gdy guz jest jeszcze niewidoczny dla lekarzy. W testach model potrajał czułość wykrywania w porównaniu z radiologami i wykrywał raka średnio 475 dni przed standardową diagnozą.
Nie tylko detektor, ale wehikuł czasu: jak REDMOD z Mayo Clinic przepisuje reguły gry przeciwko rakowi trzustki
[Sedno]: co się naprawdę dzieje
Pod koniec kwietnia 2026 roku naukowcy z Mayo Clinic opublikowali w czasopiśmie Gut pracę, która według wszelkich kanonów powinna być uznana nie za artykuł naukowy, ale za wypowiedzenie wojny. Przeciwnik – gruczolakorak przewodowy trzustki (PDA), choroba z pięcioletnim przeżyciem wynoszącym 13% i 8% dla najczęstszej postaci. Broń – REDMOD (Radiomics-based Early Detection Model), model AI, który znajduje raka na zdjęciach CT wtedy, gdy trzustka wygląda całkowicie normalnie dla ludzkiego oka.
Liczby, które zmuszają onkologów do dwukrotnego czytania artykułu: czułość modelu na etapie, gdy guz jest jeszcze niewidoczny – 73% wobec 39% u doświadczonych radiologów. Mediana czasu wyprzedzenia – 475 dni. A dla przypadków wykrytych ponad dwa lata przed kliniczną diagnozą czułość REDMOD jest trzykrotnie wyższa niż ludzka (68% wobec 23%). To nie jest ulepszenie istniejącej technologii. To zmiana paradygmatu: od poszukiwania widocznych zmian do wykrywania teksturalnych odcisków palców, od reakcji na chorobę do predykcyjnego przechwytywania.
Chronologia i kontekst
Historia REDMOD nie zaczęła się wczoraj. Już w 2022 roku w Gastroenterology ukazała się praca proof-of-concept tej samej grupy, pokazująca, że cechy radiomiczne mogą odróżnić przeddiagnostyczne CT od kontrolnych. Ale ten model pierwszej generacji miał krytyczne ograniczenia: wymagał ręcznej segmentacji trzustki, był testowany na sztucznie zbalansowanej próbce 1:1 (rak/norma) i nie był gotowy na realny świat.
Kierownik grupy, radiolog i specjalista medycyny nuklearnej dr Ajit Goenka, opisał cztery technologiczne przełomy, które przekształciły koncepcję w REDMOD:
- Automatyczna segmentacja 3D oparta na architekturze nnU-Net – wyeliminowała czynnik ludzki i uczyniła system skalowalnym.
- Wieloskalowa transformacja falkowa – 968 cech radiomicznych, z których algorytm mRMR wybrał 40 najbardziej predykcyjnych. Kluczowy szczegół: 90% wybranych cech pochodziło z filtrowanych tekstur, a nie z widocznych w skali szarości charakterystyk.
- Klasyfikator zespołowy – regresja logistyczna, random forest i XGBoost połączone przez mechanizm soft-voting.
- Konfigurowalny próg zadziałania – model podaje ciągłe prawdopodobieństwo (0–1), a próg można przesuwać: niżej dla maksymalnej czułości w badaniach przesiewowych, wyżej dla swoistości przed inwazyjnymi procedurami.
Wyniki opublikowano w Gut 28 kwietnia 2026 roku. A 7 maja Mayo Clinic ogłosiło uruchomienie pierwszego w USA klinicznego badania algorytmu radiomicznego AI do wczesnego wykrywania raka trzustki – rekrutacja 100 pacjentów w wieku 50–85 lat już się rozpoczęła.
Kto wygrywa, a kto przegrywa
Wygrywają:
- Pacjenci z grup wysokiego ryzyka – przede wszystkim osoby z nowo zdiagnozowaną cukrzycą i podwyższonym wynikiem ENDPAC. Na tę populację celuje REDMOD i właśnie tutaj częstość występowania raka wynosi 3–4%, co uzasadnia badania przesiewowe. Modelowanie pokazuje: jeśli zwiększyć odsetek zlokalizowanych PDA z obecnych 10% do 50%, przeżycie podwoi się.
- Mayo Clinic jako ekosystem. Klinika już buduje narzędzia do automatycznego wyodrębniania zmiennych z elektronicznej dokumentacji medycznej, aby identyfikować kwalifikujących się pacjentów bez pracy ręcznej. System jest zaprojektowany do wieloośrodkowego wdrożenia: badanie zostanie rozszerzone na kampusy w Arizonie i na Florydzie, a następnie na partnerskie ośrodki na całym świecie. To strategiczny zakład na stworzenie nowego standardu opieki, w którym Mayo staje się nie tylko dostawcą, ale platformą.
- Rynek diagnostyki wspomaganej AI ogólnie. Rok 2026 stał się rokiem, w którym kody CPT po raz pierwszy uznały analizę obrazów wspomaganą AI za oddzielną płatną usługę. REDMOD idealnie wpisuje się w te ramy regulacyjne: jest konkretny algorytm, jest dokumentacja, jest kod billingowy.
Przegrywają:
- Producenci „późnych” testów diagnostycznych. REDMOD celuje w stadium 0 – przed pojawieniem się masy, przed objawami klinicznymi. Jeśli model zostanie prospektywnie zwalidowany, rynek testów przeznaczonych do potwierdzenia już podejrzewanego raka (biopsje pod kontrolą EUS, niektóre panele molekularne) skurczy się: pacjenci trafią do systemu wcześniej, a odsetek późnych diagnoz zmniejszy się.
- Radiologowie niegotowi na integrację AI. REDMOD nie zastępuje radiologa, ale radykalnie zmienia jego rolę: z „szukam igły w stogu siana” na „sprawdzam podpowiedzi algorytmu”. Różnica w czułości (73% vs 39%) jest zbyt duża, by ją ignorować w procesach sądowych o missed diagnosis. Za 3–5 lat standard opieki będzie wymagał pomocy AI przy interpretacji CT jamy brzusznej u pacjentów wysokiego ryzyka – a ci, którzy się nie dostosują, staną w obliczu ryzyka odpowiedzialności zawodowej.
Czego media nie dopowiadają
Nieoczywisty wgląd: REDMOD to nie detektor raka. To detektor reakcji zrębu, która poprzedza raka.
Większość publikacji skupia się na „476 dniach przed diagnozą” i „trzykrotnej przewadze nad radiologami”. Ale z wywiadu z Goenką wyłania się zasadniczo inne spojrzenie na naturę sygnału.
90% znaczących cech radiomicznych REDMOD to filtrowane charakterystyki teksturalne, pochodne transformacji falkowych i filtrów Laplace'a-Gaussa. Wychwytują one nie sam guz (jeszcze go nie ma), ale zmiany w mikroarchitekturze tkanki: remodelowanie macierzy zewnątrzkomórkowej, zmiany włókniste, przesunięcia gęstości komórkowej – czyli zręb reagujący na karcynogenezę. Analiza ablacyjna wykazała, że model oparty wyłącznie na cechach filtrowanych ma AUC 0.82, a na niefiltrowanych – tylko 0.74. Różnica 8 punktów jest statystycznie istotna.
To redefiniuje samo pojęcie „wczesnej diagnostyki”. Wcześniej szukaliśmy guza. Teraz szukamy reakcji tkankowej na proces, który jeszcze nie uformował guza. To jak wykrywanie pożaru po zapachu dymu, a nie po widocznym płomieniu – i robienie tego 16 miesięcy przed tym, zanim ktokolwiek zauważy ogień.
Drugi wgląd: przewidywanie niewidzialnego raka otwiera puszkę Pandory dla badań przesiewowych u osób bezobjawowych.
Obecnie REDMOD jest testowany prospektywnie na populacji wysokiego ryzyka (pacjenci ENDPAC-dodatni z nowo rozpoznaną cukrzycą). Ale technologicznie nic nie stoi na przeszkodzie, aby przepuścić przez model wszystkie CT jamy brzusznej wykonane z jakiegokolwiek powodu – czy to kamień nerkowy, czy zapalenie wyrostka robaczkowego. Nazywa się to „badaniem przesiewowym okazjonalnym” i Mayo Clinic już rozważa taką możliwość.
Problem w tym, że brakuje dla tego ram regulacyjnych i etycznych. Co zrobić z pacjentem, u którego REDMOD wykazał prawdopodobieństwo raka 0.5, ale w CT trzustka jest całkowicie normalna, a EUS nic nie znalazł? Jak często powtarzać skanowanie? Kto płaci za „fałszywy alarm”? Te pytania nie mają odpowiedzi, ale pojawienie się REDMOD zmusza do rozpoczęcia ich formułowania.
Prognoza: następne 30 dni i 90 dni
30 dni (do połowy czerwca 2026 roku):
Oczekuje się, że kilka dużych ośrodków akademickich (MD Anderson, Johns Hopkins, Memorial Sloan Kettering) ogłosi własne programy walidacji modeli podobnych do REDMOD na danych retrospektywnych. Mayo Clinic prawdopodobnie przedstawi pierwsze wstępne wyniki rekrutacji pacjentów w badaniu AI-PACED – nawet przy N=100 sam fakt accrual będzie interpretowany przez rynek jako sygnał, że technologia przechodzi od nauki do praktyki.
Równolegle nasili się dyskusja na temat refundacji. Kody CPT 2026 już uznały diagnostykę wspomaganą AI za płatną usługę, a REDMOD jest idealnym kandydatem do uzyskania osobnego kodu pod warunkiem uzyskania zgody FDA. Banki inwestycyjne zaczną szacować potencjalny rynek: 600 000+ CT jamy brzusznej rocznie w populacji wysokiego ryzyka w USA × 100–200 dolarów za analizę AI – to 60–120 milionów dolarów rocznego przychodu tylko na rynku krajowym.
90 dni (do połowy sierpnia 2026 roku):
Kluczowym katalizatorem będzie decyzja FDA dotycząca klasyfikacji REDMOD. Jeśli regulator pójdzie drogą De Novo clearance (a nie PMA), droga do rynku skróci się do 12–18 miesięcy. Równolegle spodziewana jest publikacja pierwszego zewnętrznego badania walidacyjnego z instytutu niezwiązanego z Mayo. To krytyczne: obecna walidacja na zbiorze NIH-PCT wykazała swoistość 87.5%, ale próbka jest ograniczona. Zewnętrzne potwierdzenie na populacji europejskiej lub azjatyckiej albo wzmocni zaufanie, albo ujawni ukryte błędy systematyczne.
Pod koniec lata 2026 roku prawdopodobne jest również ogłoszenie pierwszego komercyjnego partnerstwa Mayo Clinic z producentem systemów PACS lub platform workflow radiologicznego (Sectra, Visage Imaging lub odpowiednik) w celu integracji REDMOD z rutynowym przepływem pracy radiologów. To właśnie ta integracja, a nie dokładność modelu, określi szybkość adopcji.
Podsumowanie: REDMOD to nie tylko narzędzie AI. To demonstracja, że najbardziej śmiercionośna forma raka może zostać przechwycona na etapie, gdy jest uleczalna. Jeśli prospektywne badania potwierdzą wyniki, definicja „diagnozy raka trzustki” zmieni się na zawsze – z „kiedy jest już za późno” na „16 miesięcy przed tym, zanim byłoby za późno”.
— Editorial Team
