Ένα νέο όπλο για ταχεία αλλά και αξιόπιστη διάγνωση του καρκίνου του πνεύμονα θα είναι σύντομα διαθέσιμο, και μάλιστα, δωρεάν, στην επιστημονική και νοσοκομειακή κοινότητα.
Ένα όπλο που συγκεντρώνει ιδιαίτερα χαρακτηριστικά υψηλής τεχνητής νοημοσύνης, καθώς είναι «αυτοεκπαιδευόμενο» και επιπλέον φέρει ελληνική σφραγίδα.
Ο καθηγητής στα Τμήματα Παθολογίας και Ιατρικής στην Ιατρική Σχολή του Πανεπιστημίου της Νέας Υόρκης (NYU School of Medicine) και στο Perlmutter Cancer Center, όπου υπηρετεί ως συν-διευθυντής του τμήματος Ιατρικής Ακριβείας και διευθυντής των Εφαρμοσμένων Εργαστηρίων Βιοπληροφορικής, Αριστοτέλης Τσιρίγος, έπειτα από επτά χρόνια μελέτης και έρευνας στο συγκεκριμένο πεδίο, αναμένει και το επίσημο επισφράγισμα αυτής της τεράστιας ομαδικής προσπάθειας, με επικεφαλής τον ίδιο: τη δημοσίευση στο έγκριτο επιστημονικό περιοδικό Nature Communications τη Δευτέρα 11 Ιουνίου.
«Το πρόγραμμα, που αναπτύξαμε, ονομάζεται «Εκμάθηση Ιστομορφολογικών Φαινοτύπων» (Histomorphologic Phenotype Learning, HPL) κάνει διάγνωση μέσα σε λίγα δευτερόλεπτα και με ακρίβεια 99% μεταξύ παρόμοιων καρκίνων των πνευμόνων, του αδενοκαρκινώματος και του πλακώδους κυτταρικού καρκίνου. Επίσης, προσφέρει πρόγνωση σε περιπτώσεις αδενοκαρκινώματος» λέει ο κ. Τσιρίγος.
Το αδενοκαρκίνωμα, μαζί με τον καρκίνο του πλακώδους επιθηλίου και το μεγαλοκυτταρικό καρκίνωμα, είναι οι τρεις κατηγορίες του μη μικροκυτταρικού καρκίνου του πνεύμονα, που αποτελεί τον πιο συνηθισμένο τύπο του καρκίνου του πνεύμονα. Το αδενοκαρκίνωμα στο οποίο εστίασε η μελέτη της ομάδας του Έλληνα ερευνητή, είναι ο πιο συχνά εμφανιζόμενος τύπος καρκίνου του πνεύμονα στις γυναίκες και σε άτομα που δεν είναι καπνιστές. Ο καρκίνος του πνεύμονα ευθύνεται για το 34% περίπου των θανάτων από καρκίνο στους άνδρες και για το 23% στις γυναίκες.
Για να αναπτύξουν το πρόγραμμα HPL, οι ερευνητές του Perlmutter Cancer Center της NYU Langone Health και του Πανεπιστημίου της Γλασκώβης, πρώτα ανέλυσαν τις διαφάνειες ιστών αδενοκαρκινώματος από τη βάση δεδομένων, The Cancer Genome Atlas (TCGA), του Εθνικού Ινστιτούτου Καρκίνου των Ηνωμένων Πολιτειών. Το αδενοκαρκίνωμα επιλέχθηκε ως μοντέλο δοκιμής επειδή η ασθένεια είναι γνωστή για τα χαρακτηριστικά της. «Για παράδειγμα, τα καρκινικά κύτταρα τείνουν να ομαδοποιούνται σε λεγόμενα ακινάρια, ή θυλακώδη μοτίβα και να διασπείρονται κατά μήκος της επιφάνειας των κυττάρων των πνευμόνων» εξηγεί ο καθηγητής.
Το «έξυπνο» αυτοεκπαιδευόμενο πρόγραμμα
Επιπλέον καινοτομία είναι όμως ότι σχεδιάστηκε ένα αυτοδίδακτο εργαλείο τεχνητής νοημοσύνης: «Σχεδιάσαμε ένα πρόγραμμα με την εγγενή ικανότητα να «αυτοεκπαιδεύεται» σε ένα συγκεκριμένο καθήκον, χωρίς καθοδήγηση από ειδικούς. Στη συνέχεια ελέγξαμε πόσο καλά το πρόγραμμα είχε «εκπαιδευθεί» ώστε να κατηγοριοποιεί αυτόματα και με ακρίβεια τους φυσιολογικούς αλλά και τους πάσχοντες ιστούς». Για την «εκπαίδευσή» του το πρόγραμμα βασίστηκε σε δεδομένα από 452 ασθενείς του TCGA. Αυτά τα δεδομένα τροφοδότησαν την «σκέψη» του, καθώς το πρόγραμμα έπρεπε αφενός να διαβάζει γρήγορα και σωστά τις εικόνες των ογκολογικών ασθενών και παράλληλα να δημιουργεί και τους ανάλογους κανόνες βάσει των οποίων στη συνέχεια θα αξιολογούσε και θα ταξινομούσε ό,τι είχε «δει».
«Από την ανάλυση των διαφανειών, των οποίων οι οπτικές εικόνες σαρώθηκαν ψηφιακά και χωρίστηκαν σε 432.231 μικρά τετράγωνα, οι ερευνητές βρήκαν 46 βασικά χαρακτηριστικά μοτίβα, τα οποία ονομάζουν ιστομορφολογικές φαινοτυπικές ομάδες, από τον φυσιολογικό και τον καρκινικό ιστό, ένα υποσύνολο των οποίων συνδέθηκαν στατιστικά είτε με την πρώιμη επιστροφή του καρκίνου είτε με τη μακροχρόνια επιβίωση. Στο επόμενο στάδιο εξετάσαμε τον…μαθητή, δηλαδή δώσαμε στον αλγόριθμο νέα δεδομένα ώστε να δούμε τις επιδόσεις του» λέει ο κ. Τσιρίγος. Τα νέα δεδομένα ήταν εικόνες ιστών από 276 άνδρες και γυναίκες που είχαν διαγνωστεί με αδενοκαρκίνωμα στο NYU Langone από το 2006 έως το 2021.
Τα ευρήματα κάθε άλλο παρά απογοήτευσαν τους ερευνητές που είδαν το πρόγραμμα HPL να… αριστεύει: Να διακρίνει με ακρίβεια 99% μεταξύ αδενοκαρκινώματος και πλακώδους κυτταρικού καρκίνου. Επίσης, να προβλέπει με ακρίβεια 72% την πιθανότητα αλλά και τον χρόνο επανεμφάνισης του καρκίνου μετά τη θεραπεία, υπερβαίνοντας σημαντικά τα ποσοστά ακρίβειας των παθολόγων (64%) κατά την εξέταση των ίδιων εικόνων των όγκων των ασθενών. Είναι βέβαιοι δε ότι η αριστεία θα είναι μόνιμη: επειδή το πρόγραμμα είναι αυτοεκπαιδευόμενο, όσο θα προστίθενται δεδομένα, τόσο πιο ακριβές θα γίνεται.
«Χάρη σε τέτοια εργαλεία οι παθολογοανατόμοι θα εξετάζουν όλο και λιγότερο τους ιστούς μέσω μικροσκοπίων και όλο και περισσότερο στις οθόνες των υπολογιστών τους, χρησιμοποιώντας και προγράμματα τεχνητής νοημοσύνης για να αναλύσουν την εικόνα με κάθε λεπτομέρεια. Για παράδειγμα, το HPL δείχνει ότι 5% νέκρωση και 10% διήθηση του όγκου μεταφράζεται σε 80% πιθανότητα ζωής χωρίς καρκίνο για δύο ή περισσότερα χρόνια. Έχουν ταξινομηθεί ήδη τα δεδομένα που οδηγούν σε ποσοστά επανεμφάνισης της νόσου και επιβίωσης» αναφέρει ο Έλληνας καθηγητής.
Χαρακτηριστικά που συνδέονται με την επανεμφάνιση των όγκων περιλάμβαναν υψηλά ποσοστά περιοχών με νεκρά καρκινικά κύτταρα και κύτταρα του ανοσοποιητικού συστήματος, γνωστά ως λεμφοκύτταρα, και την πυκνή συσσώρευση καρκινικών κυττάρων στα εξωτερικά τοιχώματα των πνευμόνων. Χαρακτηριστικά που συνδέονται με αυξημένη πιθανότητα επιβίωσης περιλάμβαναν υψηλά ποσοστά αμετάβλητου ή διατηρημένου ιστού των θυλάκων των πνευμόνων και έλλειψη ή ήπια παρουσία φλεγμονωδών κυττάρων.
Για να οικοδομήσουν τη δημόσια εμπιστοσύνη στο νέο σύστημα, οι ερευνητές έχουν δημοσιεύσει τον προγραμματιστικό τους κώδικα διαδικτυακά και σχεδιάζουν να κάνουν το νέο εργαλείο HPL ελεύθερα διαθέσιμο μετά την ολοκλήρωση περαιτέρω δοκιμών. Επόμενος στόχος για την ερευνητική ομάδα είναι η ανάπτυξη νέων αυτοεκπαιδευόμενων προγραμμάτων στη βάση του HPL για τον καρκίνο του μαστού, των ωοθηκών και του παχέος εντέρου, που βασίζονται επίσης σε διακριτά και βασικά μορφολογικά χαρακτηριστικά και πρόσθετα μοριακά δεδομένα.
Για τον Έλληνα καθηγητή έχει τεθεί παράλληλα και άλλος προσωπικός στόχος: Να ανοίξει δρόμους προς το εύφορο πεδίο της έρευνας για όσο το δυνατόν περισσότερους Έλληνες επιστήμονες γίνεται. «Όπως εγώ κυνήγησα το όνειρό μου, και τελειώνοντας Ηλεκτρολόγος Μηχανικός Η/Υ στο ΕΜΠ το 1998, βρέθηκα στον τομέα της Βιολογίας, συγκλονισμένος από την ανάγνωση του ανθρώπινου γονιδιώματος, δεν παύω να λέω πως η έρευνα είναι ένα συναρπαστικό ταξίδι. Η ομογένεια είναι πάντα έτοιμη να βοηθήσει όποιον επιστήμονα θέλει να ξεκινήσει αυτό το ταξίδι» λέει ο κ. Τσιρίγος. Ο ίδιος στην παρούσα φάση ανυπομονεί για το ετήσιο καλοκαιρινό ταξίδι στην Ελλάδα με την οικογένειά του και δηλώνει αισιόδοξος πως το επιστημονικό κάλεσμα που απευθύνει, θα έχει ανταπόκριση.
Καρκίνος: Επτά πρωτοπόροι Έλληνες δημιουργούν εργαλείο AI που ανιχνεύει μεταστάσεις
Μοντέλο Τεχνητής Νοημοσύνης «έφτιαξε» 25 χιλιάδες αντιβιοτικά σε 9 ώρες
Ποιος έχει προτεραιότητα; Το ελληνικό app που μειώνει την αναμονή στα Επείγοντα