Όγκος εγκεφάλου σε 102 κατηγορίες: το AI της Χαϊδελβέργης τους ξεχωρίζει σε 12 λεπτά αντί για 12 ημέρες

Δώδεκα λεπτά. Τόσο χρειάστηκε ένα σύστημα τεχνητής νοημοσύνης για να προτείνει σε ποιον από 102 μοριακούς υποτύπους ανήκει ένας όγκος του κεντρικού νευρικού συστήματος, μια ταξινόμηση που σήμερα απαιτεί κατά μέσο όρο περίπου 12 ημέρες εξειδικευμένης εργαστηριακής ανάλυσης (Nature Cancer, Heidelberg University Hospital). Πριν πανηγυρίσουμε, ένας αριθμός που βάζει τα πράγματα στη θέση τους: περίπου 1 στις 3 πρώτες προβλέψεις του ήταν λάθος.

Το πιο ενδιαφέρον δεν είναι η ταχύτητα, αλλά το ποιος αποκτά πρόσβαση. Η πλήρης μοριακή ανάλυση κοστίζει μερικές εκατοντάδες ευρώ ανά περιστατικό και απαιτεί εξειδικευμένο εργαστήριο που λείπει από τα περισσότερα μικρά νοσοκομεία. Το σύστημα αυτό, αντίθετα, δουλεύει πάνω σε μια εικόνα που υπάρχει ήδη παντού, με υπολογιστικό κόστος 1-2 ευρώ (ScienceBlog). Λέγεται Hetairos, αναπτύχθηκε από ομάδα του German Cancer Research Center (DKFZ) και του Πανεπιστημίου της Χαϊδελβέργης, και η μελέτη δημοσιεύτηκε στο Nature Cancer (Nature Cancer, News-Medical). Είναι ένα μοντέλο που αντλεί μοριακή πληροφορία αποκλειστικά από εικόνες που ήδη βγάζει κάθε εργαστήριο.

Πώς μια φωτογραφία ιστού «διαβάζει» μόρια

Όταν αφαιρείται ιστός από έναν όγκο, το πρώτο πράγμα που βλέπει ο παθολογοανατόμος είναι μια τομή βαμμένη με την κλασική χρώση H&E, η «βασική φωτογραφία» του ιστού στο μικροσκόπιο. Η ακριβής όμως ταυτότητα του όγκου χρειάζεται κάτι παραπάνω: σε ποια βιολογική κατηγορία ανήκει πραγματικά. Αυτό το αποκαλύπτει το μοριακό του αποτύπωμα, τα χημικά σημάδια μεθυλίωσης πάνω στο DNA που λειτουργούν σαν ταυτότητα (National Brain Tumor Society). Η εξέταση αυτή είναι αργή και ακριβή.

Το Hetairos δεν βλέπει DNA. Βλέπει μόνο την εικόνα. Έχει όμως εκπαιδευτεί σε πάνω από 11.000 τομές από 9.606 ασθενείς, σε 11 κέντρα και 4 ηπείρους, όπου κάθε εικόνα ήταν ήδη συνδεδεμένη με τη γνωστή μοριακή της διάγνωση (Heidelberg University Hospital). Έμαθε έτσι να αναγνωρίζει αχνά μορφολογικά μοτίβα, όπως πυκνότητα κυττάρων, αρχιτεκτονική ιστού και αλλαγές στους πυρήνες, που συσχετίζονται με μοριακές ταυτότητες (ScienceBlog). Με άλλα λόγια, η μορφή του ιστού κουβαλά περισσότερη βιολογία απ' όση μπορεί να διαβάσει σταθερά το ανθρώπινο μάτι.

Πιο ακριβές από τους ειδικούς, αλλά με αστερίσκους

Στην άμεση σύγκριση, η εικόνα είναι εντυπωσιακή. Πέντε έμπειροι νευροπαθολόγοι είχαν μπροστά τους μόνο την H&E τομή σε 210 δύσκολα περιστατικά. Στη σωστή πρώτη πρόβλεψη, το Hetairos πέτυχε 68% έναντι 30% των ειδικών. Όταν μετρήθηκαν οι τρεις πιθανότερες διαγνώσεις, έφτασε 84% έναντι 50% (ScienceBlog, News-Medical).

Εδώ χρειάζεται προσοχή. Το 68% σημαίνει ότι σχεδόν μία στις τρεις φορές η κορυφαία πρόταση ήταν λανθασμένη. Το 84% δεν σημαίνει «σωστή τελική διάγνωση», αλλά ότι η σωστή απάντηση βρισκόταν κάπου μέσα στις τρεις επικρατέστερες. Το σύστημα δηλώνει και πόσο σίγουρο είναι: στις περιπτώσεις υψηλής βεβαιότητας, περίπου τα μισά έως τα δύο τρίτα των περιστατικών, η ακρίβεια ανέβαινε στο 87%-88% (News-Medical). Χρήσιμο για ταχεία διαλογή, όχι για απόλυτη βεβαιότητα. Οι σπάνιοι υπότυποι παραμένουν δύσκολοι, και η αξιοπιστία πέφτει σε τομές από «άγνωστα» νοσοκομεία με διαφορετικές χρώσεις και σαρωτές (ScienceBlog). Ένα πλήρες audit για πιθανές προκαταλήψεις ανά δημογραφική ομάδα δεν δημοσιεύτηκε ακόμη, και η ευρύτερη βιβλιογραφία δείχνει ότι τέτοια μοντέλα συχνά εμφανίζουν αποκλίσεις απόδοσης (ScienceDaily).

Και τα «12 λεπτά»; Αφορούν την ανάλυση του AI μετά την ψηφιοποίηση της τομής, όχι όλη τη διαδρομή από τη βιοψία. Με την προετοιμασία και τη σάρωση, το ρεαλιστικό workflow περιγράφεται ως 24 ώρες έως 2 ημέρες, που παραμένει τεράστια βελτίωση έναντι των δύο εβδομάδων (Heidelberg University Hospital).

Γρήγορο φίλτρο εκεί που λείπουν τα εργαστήρια

Το ρεαλιστικό σενάριο δεν είναι «AI αντί για γιατρό». Είναι ένα γρήγορο φίλτρο: ο παθολογοανατόμος σαρώνει τη συνηθισμένη τομή, παίρνει μια πιθανή μοριακή κατεύθυνση και έναν δείκτη βεβαιότητας, και αποφασίζει ποια δείγματα χρειάζονται επειγόντως πλήρη επιβεβαίωση (Neuroscience News). Σε κέντρα χωρίς εύκολη πρόσβαση σε μοριακή ανάλυση, αυτό σημαίνει ότι περισσότεροι ασθενείς αποκτούν τουλάχιστον μια αξιόπιστη πρώτη ένδειξη.

Με μία προϋπόθεση που δεν είναι αυτονόητη: χρειάζεται ώριμη ψηφιακή παθολογία, δηλαδή σαρωτές, αποθήκευση, δίκτυα και τοπική επικύρωση, υποδομή που λείπει ακριβώς από τα μικρά εργαστήρια που υποτίθεται ότι θα ωφελούνταν περισσότερο (JCTP Review).

Προς το παρόν, το Hetairos δεν έχει έγκριση CE ή FDA. Παραμένει ερευνητικό εργαλείο που στη μελέτη έτρεξε παράλληλα με την κλινική ροή, χωρίς να καθορίζει θεραπευτικές αποφάσεις (Nature Cancer, FDA). Η τελική διάγνωση μένει στον νευροπαθολόγο. Αυτό που αλλάζει, αν περάσει την ανεξάρτητη επικύρωση και τη ρυθμιστική ωρίμανση, δεν είναι ότι το AI αντικαθιστά τον γιατρό. Είναι ότι συμπιέζει το πιο αγχωτικό κενό της ογκολογίας: τις ημέρες αναμονής ανάμεσα στο «πήραμε τον ιστό» και στο «ξέρουμε αρκετά για να αποφασίσουμε».