AI jest uczona aby wykrywać sygnały ostrzegawcze w testach krwi

AI może potencjalnie wykryć o wiele więcej rzeczy we krwi niż obecnie jest możliwe do wykrycia. Zdjęcie: Getty Images

Rak jajnika jest „rzadki, słabo doinwestowany i śmiertelny”, mówi Audra Moran, szefowa Ovarian Cancer Research Alliance (Ocra), globalnej organizacji charytatywnej z siedzibą w Nowym Jorku. Podobnie jak w przypadku wszystkich nowotworów, im wcześniej zostanie wykryty, tym lepiej. Większość typów raka jajnika zaczyna się w jajowodach, więc zanim dotrze do jajników, może już rozprzestrzenić się gdzie indziej. „Pięć lat to ważny okres przed pojawieniem się jakichkolwiek objawów, kiedy można wykryć raka jajnika, aby zredukować ryzyko śmiertelności”, mówi pani Moran. Pojawiają się jednak nowe badania krwi, które wykorzystują moc sztucznej inteligencji (AI) do wykrywania oznak raka na bardzo wczesnym etapie. I nie chodzi tylko o nowotwór, AI może również przyspieszyć inne badania krwi w celu wykrycia potencjalnie śmiertelnych infekcji, takich jak zapalenie płuc.


Dr Daniel Heller wytrenował AI aby wykrywać wczesne oznaki raka jajnika. Zdjęcie: pochodzące z mediów społecznościowych

Dr Daniel Heller jest inżynierem biomedycznym w Memorial Sloan Kettering Cancer Center w Nowym Jorku. Jego zespół opracował technologię testowania, która wykorzystuje nanorurki — maleńkie rurki węglowe, które są około 50 000 razy mniejsze od średnicy ludzkiego włosa. Około 20 lat temu naukowcy zaczęli odkrywać nanorurki, które mogą emitować światło fluorescencyjne.

W ciągu ostatniej dekady naukowcy nauczyli się, jak zmieniać właściwości tych nanorurek, aby reagowały na niemal wszystko we krwi. Teraz można umieścić miliony nanorurek w próbce krwi i sprawić, aby emitowały różne długości fal światła w zależności od tego, co do nich przylega.

Nadal jednak pozostaje kwestia interpretacji sygnału, którą dr Heller porównuje do znalezienia dopasowania do odcisku palca. W tym przypadku odcisk palca to wzór cząsteczek wiążących się z czujnikami, o różnej czułości i sile wiązania. Jednak wzory te są zbyt subtelne, aby człowiek mógł je dostrzec.

„Możemy spojrzeć na dane i w ogóle nie będziemy w stanie ich zrozumieć. Dzięki AI możemy zobaczyć tylko te wzorce, które różnią się od innych” — mówi.

Odkodowanie danych z nanorurek oznaczało załadowanie danych do algorytmu uczenia maszynowego i poinformowanie AI, które próbki pochodzą od pacjentek z rakiem jajnika, a które od osób bez nowotworu. Obejmowały one krew osób z innymi rodzajami raka lub innymi chorobami ginekologicznymi, które można pomylić z rakiem jajnika.


Zdjęcie: pochodzące z mediów społecznościowych

Dużym wyzwaniem w wykorzystaniu sztucznej inteligencji przy badaniu krwi na potrzeby badań nad rakiem jajnika jest to, że jest to stosunkowo rzadkie schorzenie, co ogranicza dane do algorytmów szkoleniowych. Poza tym duża część tych informacji jest odizolowana w szpitalach, które je przechowują, a badacze mają do nich minimalny dostęp.

Dr Heller opisuje trenowanie algorytmu na dostępnych danych od zaledwie kilkuset pacjentów jako „akt desperacji”. Jednak mówi, że sztuczna inteligencja była w stanie uzyskać większą dokładność niż najlepsze biomarkery raka, które są obecnie dostępne — a to była dopiero pierwsza próba.

System przechodzi dalsze badania, aby sprawdzić, czy można go ulepszyć, wykorzystując większe zestawy czujników i próbki od znacznie większej liczby pacjentów. Więcej danych może ulepszyć algorytm, tak jak algorytmy dla samochodów autonomicznych mogą ulec poprawie dzięki większej liczbie testów na ulicy. Dr Heller pokłada duże nadzieje w tej technologii.

„Chcielibyśmy dokonać oceny wszystkich chorób ginekologicznych — więc gdy ktoś zgłasza się ze skargą, my możemy dać lekarzom narzędzie, które szybko powie im, że jest bardziej prawdopodobne, że to rak albo coś innego, lub że to ten nowotwór a nie tamten inny”. Dr Heller uważa, że może to nastąpić za „trzy do pięciu lat”.


Karius dysponuje bazą danych DNA drobnoustrojów, która zawiera dziesiątki miliardów komórek danych. Zdjęcie: pochodzące z mediów społecznościowych

Nie tylko wczesne wykrywanie jest potencjalnie czymś do czego przydaje się AI, użycie sztucznej inteligencji przyspiesza także pozostałe badania krwi. Dla pacjenta z chorobą nowotworową zapalenie płuc może być śmiertelne, a ponieważ istnieje około 600 różnych organizmów, które mogą je wywołać, lekarze muszą przeprowadzać wiele testów, aby zidentyfikować infekcję.

Jednak nowe rodzaje badań krwi upraszczają i przyspieszają ten proces.

Karius, z siedzibą w Kalifornii, wykorzystuje sztuczną inteligencję (AI), aby pomóc zidentyfikować patogen odpowiadający za zapalenie płuc w ciągu 24 godzin i wybrać odpowiedni antybiotyk.

„Przed naszym testem pacjent z zapaleniem płuc musiał przejść od 15 do 20 różnych testów, aby zidentyfikować infekcję w ciągu pierwszego tygodnia pobytu w szpitalu — to około 20 000 dolarów na testy”, mówi dyrektor generalny Karius, Alec Ford.

Karius ma bazę danych DNA drobnoustrojów, która zawiera dziesiątki miliardów komórek danych. Próbki testowe pobrane od pacjentów można porównać z tą bazą danych, aby zidentyfikować dokładny patogen.

Pan Ford mówi, że byłoby to niemożliwe bez sztucznej inteligencji.

Jednym z wyzwań jest to, że naukowcy niekoniecznie rozumieją obecnie wszystkie powiązania, jakie sztuczna inteligencja mogłaby stworzyć między biomarkerami testowymi a chorobami.

Przez ostatnie dwa lata dr Slavé Petrovski pracował nad platformą sztucznej inteligencji o nazwie Milton, która wykorzystuje biomarkery w danych brytyjskiego biobanku do identyfikacji 120 chorób ze wskaźnikiem powodzenia ponad 90%.

Znajdowanie wzorców w takiej masie danych to coś, co może zrobić tylko sztuczna inteligencja.

„To często złożone wzorce, w których może nie być jednego biomarkera, ale trzeba wziąć pod uwagę całą strukturę” — mówi dr Petrovski, który zajmuje się badaniami dla giganta farmaceutycznego AstraZeneca.

Dr Heller wykorzystuje podobną technikę dopasowywania wzorców w swojej pracy nad rakiem jajnika.

„Wiemy, że czujnik wiąże się z białkami i małymi cząsteczkami we krwi oraz reaguje na nie, ale nie wiemy, które z białek lub cząsteczek są charakterystyczne dla występowania raka” — mówi. Ogólnie ujmując, dane bądź ich brak nadal stanowią problem.

„Ludzie nie dzielą się swoimi danymi lub nie ma mechanizmu, który by to umożliwiał” — mówi pani Moran.

Ocra finansuje rejestr pacjentów na dużą skalę, z elektroniczną dokumentacją medyczną chorych, którzy umożliwili badaczom trenowanie algorytmów AI na ich danych.

„To wczesne etapy — nadal jesteśmy w lesie jeśli chodzi o AI” — mówi pani Moran.