Учёные представили систему под названием REDMOD, которая способна выявлять очень тонкие изменения в ткани поджелудочной железы, сообщая о возможном раке на стадии, когда он ещё не виден врачам и не фиксируется обычными методами визуализации. По данным публикации в журнале Gut, эта модель распознаёт ранние признаки диляции панкреатического канала, характерные для панкреатического аденокарциномома протокового типа, самой распространённой формы рака поджелудочной железы.

Авторы считают, что технология может кардинально изменить раннюю диагностику заболевания, позволив перейти к лечению на стадии 0, когда шансы на успешное исходы намного выше. Вместо того чтобы ставить диагноз после перехода болезни в продвинутую, потенциально нефиксируемую стадию, пациенты могли бы начать лечение раньше.

Однако исследование отмечает необходимость дополнительных испытаний перед тем, как REDMOD станет частью регулярной медицинской практики. В частности, подчёркнуто, что систему нужно тестировать на группах повышенного риска, включая людей с необъяснимой потерей веса или недавно диагностированным диабетом.

Чтобы проверить систему, команда изучила компьютерные томограммы брюшной полости 219 пациентов, у которых на момент обследования эксперты по радиологии не обнаруживали рака. Позднее у каждого участника болезни рак подтвердился медицински.

Из полученных данных 40% пациентов обследование проводилось за 3–12 месяцев до установленного диагноза, 35% — за 12–24 месяца, а 25% — более чем за 24 месяца (до примерно трёх лет). В подавляющем большинстве случаев (64%) опухоль развивалась в головке поджелудочной железы.

Сравнение проводилось с CT-сканами 1243 человек, у которых впоследствии не выявили панкреатический рак; участники были сопоставлены по возрасту, полу и дате сканов. Средний возраст пациентов, у которых развился рак, составлял 69 лет, тогда как в контрольной группе — 64 года.

REDMOD успешно выявлял слабые признаки рака в изображениях примерно за 475 дней до постановки клинического диагноза, ранее не замечавшихся в ходе обычной радиологической оценки.

Авторы подчёркивают, что временной интервал между двумя моментами может иметь большое значение для выживаемости: увеличение доли локализованных форм рака с 10% до 50% могло бы более чем вдвое улучшить выживаемость. По замыслу исследователей, именно время диагностики является ключевым фактором.

Дополнительные результаты показывают, что REDMOD заметно превосходит опытных радиологов: чувствительность модели составила 73% против 39% у радиологов; разница особенно заметна в сканах, получавшихся более двух лет назад.

В отдельной группе из 539 больных и в наборе NIH-PCT система корректно определяла отсутствие рака у более чем 81% и 87,5% случаев соответственно. Повторные сканы тех же пациентов в течение нескольких месяцев давали совпадающие результаты в 90–92% случаев, что поддерживает идею о стабильности находок.

Несмотря на обнадеживающие данные, авторы предупреждают: не хватает разнообразия этнических групп в популяции исследования, что может повлиять на эффективность технологии у разных людей. Перед клиническим внедрением требуется проспективное тестирование среди групп повышенного риска.

В целом результаты дают намёк на то, что искусственный интеллект может помогать врачам распознавать панкреатический рак ещё на стадии, когда лечение наиболее вероятно будет эффективным и выживаемость может улучшиться.

Авторы заключают, что REDMOD как полностью автоматическая рамочная система способна идентифицировать сигнатуры изображения стадией 0 в нормальном pancreas, достигая значимых временных преимуществ и демонстрируя результаты лучше обычных радиологов. При этом необходима дальнейшая проспективная валидация, прежде чем клиническая польза будет подтверждена.