Impactul schimbător de viață și măsurabil al IA asupra cancerului

Utilizarea datelor mari pentru a îmbunătăți IA în detectarea și tratamentul cancerului

Integrarea IA în procesul de luare a deciziilor în domeniul sănătății ajută la revoluționarea acestui domeniu și la obținerea unor decizii de tratament mai precise și mai consistente, datorită capacității sale virtuale nelimitate de a identifica tipare prea complexe pentru a fi văzute de oameni.

Domeniul oncologiei generează seturi de date enorme, de la istoricul clinic nestructurat la date de imagistică și secvențiere genomică, la diverse etape ale călătoriei pacientului. IA poate analiza “inteligent” loturi mari de date la viteze mai rapide decât metodele tradiționale, ceea ce este esențial pentru antrenarea algoritmilor de învățare automată care sunt fundamentali pentru instrumentele avansate de testare și monitorizare a cancerului. IA are, de asemenea, capacități remarcabile de recunoaștere a tiparelor pentru modelarea eficientă a complexității seturilor de date. Acest lucru este important, deoarece permite o înțelegere mai profundă și multistratificată a impactului semnăturilor moleculare nuanțate în genomica cancerului și în micromediul tumorii. Descoperirea unui tipar între genele găsite doar într-un anumit subset de cazuri de cancer sau tipare de progresie a cancerului poate duce la o abordare mai personalizată și specifică pacientului pentru tratament.

Care este obiectivul final? Teste de cancer bazate pe IA care susțin procesul de luare a deciziilor clinice pentru medici și pacienții lor la fiecare etapă a călătoriei cancerului – de la screening și detectare, la identificarea tratamentului potrivit și la monitorizarea răspunsului pacientului la intervenții și la prezicerea recidivei.

Calitatea și cantitatea datelor: cheia succesului IA

În cele din urmă, un algoritm de IA va fi la fel de bun pe cât este calitatea datelor care îl antrenează. Datele proaste, incomplete sau etichetate incorect pot împiedica capacitatea IA de a găsi cele mai bune tipare (gunoi în, gunoi ieșit). Acest lucru este mai ales valabil în îngrijirea cancerului, unde modelarea predictivă se bazează pe precizie impecabilă – o modificare a unei gene din mii, de exemplu, ar putea semnala dezvoltarea unei tumori și informa detectarea precoce. Asigurarea unui nivel atât de ridicat de calitate este un proces care consumă timp și bani, dar duce la date de calitate superioară, ceea ce rezultă în acuratețe optimă a testelor. Cu toate acestea, dezvoltarea unui depozit util de date vine cu provocări semnificative. În primul rând, colectarea datelor genomice și moleculare la scară largă, care poate implica milioane de puncte de date, este o sarcină complexă. Acest lucru începe cu având cele mai bune teste care măsoară aceste caracteristici ale cancerului cu precizie și rezoluție impecabile. Datele moleculare colectate trebuie, de asemenea, să fie la fel de diverse din punct de vedere geografic și de reprezentare a pacienților, pentru a extinde capacitatea predictivă a modelelor de antrenare. De asemenea, beneficiază de construirea unor colaborări pe termen lung și a unor parteneriate multidisciplinare care pot ajuta la colectarea și prelucrarea datelor brute pentru analiză. În final, stabilirea unor standarde etice stricte în manipularea datelor este de o importanță capitală atunci când vine vorba de informații din domeniul sănătății și de respectarea strictă a regulamentelor de confidențialitate a pacienților, ceea ce poate prezenta uneori o provocare în colectarea datelor.

O abundență de date precise și detaliate nu va duce doar la capacități de testare care pot găsi tipare rapid și pot împuternici medicii cu cea mai bună oportunitate de a răspunde nevoilor neîndeplinite ale pacienților lor, ci va îmbunătăți și va avansa fiecare aspect al cercetării clinice, mai ales în căutarea urgentă a unor medicamente și biomarkeri mai buni pentru cancer.

IA arată deja promisiuni în îngrijirea și tratamentul cancerului

Sunt deja implementate metode mai eficiente de antrenare a IA. Colegii mei și eu antrenăm algoritmi dintr-o gamă cuprinzătoare de date, inclusiv rezultate de imagistică, date de biopsie, multiple forme de secvențiere genomică și biomarkeri proteici, printre alte analize – toate acestea adăugându-se la cantități masive de date de antrenare. Capacitatea noastră de a genera date la scară de cvadrilioane, și nu la scară de miliarde, ne-a permis să construim unele dintre primele analize predictive cu adevărat precise în utilizare clinică, cum ar fi identificarea tumorilor pentru cancere avansate de origine necunoscută sau căi de tratament cu chimioterapie predictive care implică variații genetice subtile.

La Caris Life Sciences, am demonstrat că o validare și testare extinsă a algoritmilor sunt necesare, cu comparații cu dovezi din lumea reală care joacă un rol cheie. De exemplu, algoritmii noștri antrenați pentru a detecta anumite tipuri de cancer beneficiază de validarea împotriva datelor de histologie de laborator, în timp ce predicțiile IA pentru regimurile de tratament pot fi comparate cu rezultatele clinice de supraviețuire din lumea reală.

Având în vedere progresele rapide în cercetarea cancerului, experiența sugerează că învățarea continuă și rafinarea algoritmilor sunt o parte integrantă a unei strategii de succes a IA. Pe măsură ce se dezvoltă noi tratamente și înțelegerea noastră despre căile biologice care determină cancerul evoluează, actualizarea modelelor cu informațiile cele mai recente oferă perspective mai profunde și îmbunătățește sensibilitatea detectării.

Acest proces de învățare continuă subliniază importanța colaborării ample între dezvoltatorii de IA și comunitățile clinice și de cercetare. Am constatat că dezvoltarea unor instrumente noi pentru a analiza datele mai rapid și cu o sensibilitate mai mare, împreună cu feedback-ul de la oncologi, este esențială. În esență, măsura reală a succesului unui algoritm de IA este cât de precis împuternicește oncologii cu perspective predictive fiabile pe care le necesită și cât de adaptabilă este strategia de IA la paradigmele de tratament în schimbare.

Aplițiile reale ale IA sunt deja în creștere și îmbunătățesc supraviețuirea și managementul cancerului

Progresele în ceea ce privește scala și calitatea datelor au avut deja impacturi măsurabile prin extinderea setului de instrumente de decizie ale medicilor, ceea ce a avut rezultate pozitive reale asupra îngrijirii pacienților și a supraviețuirii. Primul instrument de IA clinic validat pentru navigarea în opțiunile de tratament cu chimioterapie pentru un cancer metastatic dificil de tratat poate extinde supraviețuirea pacientului cu 17,5 luni, comparativ cu deciziile de tratament standard luate fără algoritmi predictivi¹. Un alt instrument de IA poate prezice cu o acuratețe de peste 94% tumorile de origine pentru zeci de cancere metastatice² – ceea ce este esențial pentru crearea unui plan de tratament eficient. Algoritmii de IA pot, de asemenea, prezice cât de bine va răspunde o tumoare la imunoterapie pe baza geneticii tumorale unice a fiecărui pacient. În fiecare dintre aceste cazuri, seturile de instrumente de IA împuternicesc procesul de decizie clinică care îmbunătățește rezultatele pacienților în comparație cu standardele actuale de îngrijire.

Așteptați o revoluție a IA în cancer

IA este deja pe cale să schimbe modul în care detectăm cancerul și modul în care îl tratăm pe parcurs. Managementul cancerului va avea în curând medici care lucrează împreună cu IA integrată în timp real pentru a trata și monitoriza pacienții și pentru a rămâne înaintea încercărilor cancerului de a înșela medicamentele prin mutații. Pe lângă modelele predictive din ce în ce mai bune pentru detectarea cancerului mai devreme și oferirea unor paradigme de tratament personalizate mai eficiente, medicii, cercetătorii și companiile biotehnologice lucrează astăzi pentru a valorifica datele și analizele de IA pentru a stimula noi descoperiri terapeutice și biomarkeri moleculari pentru mâine.

Într-un viitor nu prea îndepărtat, aceste progrese de IA, odată imposibile, vor depăși îngrijirea cancerului și vor ajunge la toate stările bolnave, punând capăt unei epoci de incertitudine și făcând medicina mai precisă, mai personalizată și mai eficientă.