CIPHER: מודל ה-AI שחוזה דלקת ריאות מסכנת חיים לפני הטיפול
חוקרים פיתחו מודל AI בשם CIPHER שלומד לנתח סריקות CT שגרתיות של חולי סרטן ריאות כדי לחזות מי מהם יסבול מדלקת ריאות מסכנת חיים (פנאומוניטיס) כתוצאה מאימונותרפיה. המודל, שהציג ביצועי ניבוי ברמת AUC של 0.83, יכול לאפשר ניטור מניעתי מותאם אישית למטופלים בסיכון, ועשוי לשנות את האופן שבו מנהלים תופעות לוואי מסוכנות של הטיפול.
דמיינו לכם סיטואציה: סרטן ריאות, טיפול אימונותרפי מציל חיים, אבל לפתע מופיעה דלקת ריאות חמורה שמסכנת את הכול. זה קורה לאחוז קטן אך משמעותי מהמטופלים, והמחלה הזו — פנאומוניטיס — קשה לחיזוי מראש. עד עכשיו.
חוקרים מ-MD Anderson Cancer Center בטקסס פיתחו כלי AI בשם CIPHER, שלומד לזהות מטופלים בסיכון גבוה לפני שמתחילים טיפול. הכלי הזה מנתח סריקות CT שגרתיות, מהסוג שעושים בכל מקרה בשלב האבחון, ומוצא בהן דפוסים סמויים שמעידים על כך שרקמת הריאה עלולה להיות פגיעה יותר בעתיד. אם תרצו, הוא קורא ״בין השורות״ של ההדמיה.
אז מה בעצם קרה כאן?
במקום ללמד את המודל ישירות על מקרי דלקת, החוקרים אימנו אותו קודם כול לזהות דפוסים נפוצים ברקמת ריאה. רק בשלב השני הם בדקו אם הדפוסים האלה יכולים לחזות מי יפתח דלקת בעתיד. הם אימנו את CIPHER על למעלה מ-590,000 חתכי CT מ-2,500 חולי סרטן. את התוצאות בדקו על קבוצה נפרדת של 347 חולי סרטן ריאות מסוג NSCLC, וקיבלו ביצועים מרשימים: ציון AUC של כ-0.83. למי שפחות מכיר את המונח, AUC הוא מדד לדיוק הניבוי — ו-0.83 נחשב גבוה מאוד בעולם הרפואה. במקרה הזה מדובר גם בביצועים טובים משמעותית מאלה של גישות מסורתיות, המבוססות על גורמים קליניים ועל radiomics.
מה שבאמת מרשים הוא שהמודל שמר על עקביות גם כשבדקו אותו על קבוצות אחרות של מטופלים, עם מכשירי CT שונים ופרוטוקולי סריקה מגוונים. מטופלים ש-CIPHER סיווג כ״בסיכון גבוה״ אכן פיתחו דלקת מוקדם יותר אחרי תחילת הטיפול. החוקרים טוענים שזה מצביע על כך שהמודל מזהה סימנים אמיתיים לכך שרקמת הריאה פגיעה יותר, ולא רק מנבא את התפתחותם של מקרים עתידיים.
מה זה אומר לנו, בפועל?
המשמעות המיידית היא אפשרות להפוך טיפולים ליותר מותאמים אישית. כיום, קשה לצפות מראש מי יסבול מתופעת הלוואי המסוכנת הזו. אם המודל הזה ייכנס לשימוש, רופאים יוכלו לזהות מראש מטופלים בסיכון מוגבר ולהציע להם ניטור אינטנסיבי יותר או התערבויות מניעתיות. זה בדיוק סוג ההתאמה האישית שעולם האונקולוגיה חותר אליו.
החוקרים מציינים שהם לא ״סיפרו״ למודל לחפש דלקת. ״המודל למד דפוסים בתוך רקמת הריאה וזיהה חריגות עדינות הקשורות לסיכון עתידי״, הסביר Jia Wu, אחד מהחוקרים. ״זה מצביע על כך שהדמיה שגרתית עשויה להכיל הרבה יותר מידע על רעילות הטיפול ממה שהכרנו בעבר.״
ומה הלאה?
השלב הבא, כמו תמיד במחקרים מהסוג הזה, הוא מחקרים פרוספקטיביים גדולים יותר כדי לראות אם אפשר לשלב את הגישה הזו בשגרה הקלינית. החוקרים מתכננים לבדוק אם המודל עובד באותה מידה גם בסוגי סרטן אחרים שמטופלים באימונותרפיה, ואם אפשר לשפר את הניבוי על ידי שילוב נתוני ההדמיה עם ביומרקרים אחרים. התובנה ש-CT שגרתי ״מדבר״ הרבה על עתיד הטיפול היא מרתקת בפני עצמה, ופותחת דלת לכלים מנבאים נוספים. בעולם שבו אנחנו מנתחים כמויות עצומות של נתונים כדי לייעל תהליכים, זה צעד מתבקש לקראת יישום אותן טכניקות AI גם ברפואה — הפעם כדי להציל חיים.