Czy tylko płuca chorują na gruźlicę?
Płuca, źródło: Pixabay

Sybil wykorzysta sztuczną inteligencję i oceni ryzyko zachorowania na raka płuc

Naukowcy z MIT zdołali opracować system Sybil, działający w oparciu o model AI w postaci deep learning. Jego zadaniem jest ocenienie ryzyka wystąpienia nowotworu płuc w oparciu o badanie tomografem komputerowym.

Najczęściej występujący nowotwór atakuje płuca

Nowotwór płuc jest jednym z najczęściej występujących nowotworów, który w ciągu 2020 roku spowodował śmierć 1,7 miliona osób. Rak płuc jest dość trudny do leczenia, szczególnie, gdy osiągnie zaawansowane stadium. Z tego właśnie powodu pojawiła się idea „wyprzedzenia” nowotworu i możliwości wczesnego jego wykrycia – jeszcze zanim zaatakuje w pełni.

Nowe terapie zwalczające nowotwory ciągle się pojawiają, jednak rak płuc często wraca i atakuje ponownie, jeszcze bardziej osłabiając ludzki organizm. Dodatkowo, nowotwory płuc często kojarzone są z palaczami, co nie jest właściwe, dlatego czas diagnozy wydłuża się, co pozwala rakowi na szybki rozwój.

Naukowcy postanowili opracować system, który wykorzysta zarówno niskodawkową tomografię komputerową, będącą najczęściej wykorzystywaną technologią stosowaną do badań przesiewowych, jak i sztuczną inteligencję. Tak właśnie powstał Sybil.

Zespół tworzący Sybil, źródło: MIT
Zespół tworzący Sybil, źródło: MIT

Sybil: LDCT i AI metodą wczesnego wykrycia nowotworu płuc

System Sybil podczas badań przesiewowych w LDCT (niskodawkowej tomografii komputerowej) zajmuje się analizą obrazów i przewiduje ryzyko rozwoju nowotworu płuc w czasie sześciu kolejnych lat. Te szacunki, w zdecydowanej większości przypadków, są właściwe i osiągają dobre i mocne wyniki, plasując się na poziomie 0,75, 0,81 i 0,80 wskaźnika C-index dla sześciu lat, natomiast od 0,86 do 0,94 tego wskaźnika w przypadku rocznej prognozy.

Wirtualne płuca, źródło: Polski Alarm Smogowy
Wirtualne płuca, źródło: Polski Alarm Smogowy

Opracowanie systemu Sybil było wyjątkowo trudne, gdyż początkowe stadia nowotworowe, charakteryzujące się niewielkimi, gęstszymi tkankami płucnymi na skanach TK, są dosłownie ułamkami pikseli. Ponadto, zagęszczone tkanki mogą być skutkiem przebytych infekcji czy podrażnień, dlatego naukowcy zdecydowali się na ręczne oznaczanie setek obrazów TK, które kolejno zostały wprowadzone do algorytmu AI, co pozwoliło na wyszkolenie technologii Sybil.