Sztuczna inteligencja (AI) wydaje się gotowa do dokonania znaczącej zmiany obecnego kształtu onkologii. Jednak pomimo znacznej liczby publikacji (16 410 od 1961 r. w PubMed [1]) oraz dużej dynamiki jej wzrostu (2000-2010: wzrost o 680,00 %, 2010-2020: wzrost o 279,56 %) wpływ AI na planowanie i realizację terapii u pacjentów onkologicznych jest obecnie stosunkowo ograniczony, a przez to niesłusznie może wydawać się odległą perspektywą, szczególnie jeśli podkreślimy silnie interpersonalny i złożony charakter tej interwencji [2]. Obraz ten nie jest do końca prawdziwy: AI już pokazuje w onkologii bogatą ofertę rozwiązań i będzie w najbliższych latach umacniać swoją pozycję aż po osiągnięcie statusu “must have”.

Diagnostyka obrazowa

Wczesne wykrycie zmian patologicznych zwiększa prawdopodobieństwo sukcesu terapeutycznego. Postęp w zakresie zautomatyzowanego gromadzenia danych oraz ich automatycznego przetwarzania i obrazowania doprowadził do wzrostu wykorzystania AI w onkologicznej diagnostyce obrazowej, mając wpływ na organizację pracy oraz przebieg procesu diagnostycznego i terapeutycznego. W Nowej Zelandii badanie ankietowe dotyczące prawdopodobieństwa wprowadzenia AI do praktyki oddziałów, a odpowiedzi z ankiety wykorzystano do określenia barier i czynników ułatwiających przyjęcie AI, gdzie podstawową barierę stanowiła niska wiedza specjalistyczna [3]. Wiedza na temat AI wśród kanadyjskich specjalistów medycznych w obszarze onkologii była umiarkowana (średnio 5/10), przy czym 91% respondentów wyraziło zainteresowanie dokształcaniem w tym obszarze. Większość uczestników zgodziła się, że AI będzie miała pozytywny wpływ na leczenie pacjentów, a negatywne skutki wdrożenia AI to według nich utrata pracy i konieczność zmiany specjalizacji [4].

Radioterapia

Sztuczna inteligencja (AI) wkrótce dotknie każdego aspektu radioterapii: od konsultacji i planowania leczenia, poprzez zapewnianie jakości, dostarczanie terapii aż po modelowanie wyników. W dotychczasowych badaniach podkreślono, że istnieje pilna potrzeba przeszkolenia onkologów i fizyków medycznych w zakresie analizy i interpretacji danych przez AI, aby pomóc im wprowadzić rozwiązania AI do praktyki klinicznej. Niedostatecznie wyszkolony personel może wyrządzić więcej szkody niż pożytku przy próbach zastosowania szybko rozwijających się i złożonych technologii [5]. Kluczowe punkty w kształceniu przyszłych adeptów radioterapii onkologicznej obejmują:

· kształtowanie świadomości AI i odpowiedzialnego postępowania,

· wdrożenie praktycznego programu dydaktycznego,

· stworzenie publicznie dostępnej bazy zasobów szkoleniowych,

· przyspieszenie ukończenia szkoleń i rzetelne sprawdzenie pozyskanej wiedzy [5].

Różne etapy i protokoły w onkologii wykorzystują obecnie metody oparte na AI, np. na etapie planowania, segmentacji i dostarczania dawek promieniowania [6].

Terapie lekowe

Obecnie 7 na 10 producentów leków korzysta z AI, jednak w szerokim spektrum metod i technik AI oraz zastosowań: od wyboru i rekrutacji pacjentów do badań klinicznych aż po gromadzenie danych dotyczących identyfikacji produktów leczniczych i ich oddziaływań. Do najważniejszych wyzwań związanych z wdrażaniem AI w tym obszarze należą umiejętności pracowników (55%), struktury danych (52%) i budżet (49%). Prawie 60% firm planuje zwiększenie liczby pracowników w celu wsparcia wykorzystania lub wdrożenia AI w ciągu 1-2 lat [7].

Wnioskowanie kliniczne i prognozowanie

AI może wypełnić lukę pomiędzy pozyskiwaniem i gromadzeniem danych a ich efektywną interpretacją kliniczną. Podejścia oparte na AI pokazały lepsze wyniki wnioskowania od większości dotychczasowych metod klasyfikacji i regresji, a przy tym zdolność do automatycznego uczenia się (oraz późniejszego douczania) najbardziej odpowiedniej reprezentacji danych dla danego zadania i zaobserwowanych korelacji. W przypadku badań przesiewowych, diagnostycznych czy testów prognostycznych AI umożliwia dokładniejsze określanie wyników terapii i przeżywalności pacjentów [6]. Może to przyśpieszyć powstanie powszechnie dostępnej medycyny personalizowanej. Zastosowania AI w onkologii będą prawdopodobnie wzrastać wykładniczo, jednak ostateczną odpowiedzialność za diagnozę będą nadal ponosić lekarza prowadzący terapię, ze względu na różnice w charakterystyce pacjentów, schorzeń i urazów oraz ich historii [6].

Monitorowanie choroby i właściwy tryb życia

Poza bezpośrednią diagnostyką i terapią onkologiczną jej wsparcie stanowi promocja aktywności fizycznej, monitorowanie diety i obserwacja jakości życia, w tym za pośrednictwem rozwiązań telemedycznych w modelu hybrydowym. Monitorowanie nawrotu objawów choroby jest już standardem, jednak niedożywienie związane z chorobą nowotworową ciągle stanowi wyzwanie. Stąd konieczność nie tylko kontroli stylu życia i odżywiania, ale również kompleksowego monitorowania parametrów życiowych oraz generowanie alertów w przypadku przekroczenia wartości granicznych [7-9]. Również aspekty psychoonkologiczne (lęk, niezdolność do radzenia sobie z życiem w chorobie, depresja, spadek poczucia własnej wartości, adaptacja do wymogów i skutków terapii) wymagają właściwego zarządzania nimi również po ustąpieniu objawów [10].

Szczegółowe rozwiązania, w tym w zakresie w tym przetwarzania i obrazowania danych, stanowią nasze know-how.

Kierunki rozwoju

Pomimo wyzwań związanych z wdrażaniem AI, badanie wykazało, że większość organizacji wykorzystuje AI w jakimś zakresie i że jest ona ważna dla sukcesu pracowników organizacji. Wiele organizacji zgłosiło oczekiwania dotyczące zwiększenia liczby pracowników w miarę rozszerzania implementacji AI. Dalsze badania powinny przeanalizować zmieniający się krajobraz rozwoju w miarę ewolucji roli AI [11].

Podsumowanie

Obawy związane z zastosowaniem AI w onkologii mogą zostać złagodzone dzięki dalszym programom edukacyjnym na temat AI prowadzonym wśród specjalistów medycznych i

pacjentów, co może podwyższyć wśród nich stopień akceptacji AI. W miarę rozwoju badań nad AI w onkologii, społeczność onkologów wypracuje sposoby kształcenia przyszłych adeptów w tym zakresie. Oczekiwanymi efektami są: zwiększenie dostępu do opieki onkologicznej, wspieranie procesu podejmowania decyzji klinicznych oraz poprawa efektywności klinicznej samej terapii i opieki onkologicznej [12].

Literatura:

1. National Library of Medicine, National Center for Biotechnology Information https://pubmed.ncbi.nlm.nih.gov – dostęp 14.05.2021 r.

2. Thompson R. F., Valdes G., Fuller C. D., Carpenter C. M., Morin O., Aneja S., Lindsay W. D., Aerts H. J. W. L., Agrimson B., Deville C. Jr, Rosenthal S. A., Yu J. B., Thomas C. R. Jr. Artificial intelligence in radiation oncology: A specialty-wide disruptive transformation? Radiother Oncol. 2018; 129(3):421-426.

3. Victor Mugabe K. Barriers and facilitators to the adoption of artificial intelligence in radiation oncology: A New Zealand study. Tech Innov Patient Support Radiat Oncol. 2021; 18:16-21.

4. Wong K., Gallant F., Szumacher E. Perceptions of Canadian radiation oncologists, radiation physicists, radiation therapists and radiation trainees about the impact of artificial intelligence in radiation oncology – national survey. J Med Imaging Radiat Sci. 2021; 52(1):44-48.

5. Kang J., Thompson R. F., Aneja S., Lehman C., Trister A., Zou J., Obcemea C., El Naqa I. National Cancer Institute Workshop on Artificial Intelligence in Radiation Oncology: Training the Next Generation. Pract Radiat Oncol. 2021; 11(1):74-83.

6. Rattan R, Kataria T, Banerjee S, Goyal S, Gupta D, Pandita A, Bisht S, Narang K, Mishra SR. Artificial intelligence in oncology, its scope and future prospects with specific reference to radiation oncology. BJR Open. 2019; 1(1):20180031.

7. Schinköthe T. Individualized eHealth Support for Oncological Therapy Management. Breast Care (Basel). 2019 Jun;14(3):130-134.

8. Ringwald J., Marwedel L., Junne F., Ziser K., Schäffeler N., Gerstner L., Wallwiener M., Brucker S. Y., Hautzinger M., Zipfel S., Teufel M. Demands and Needs for Psycho-Oncological eHealth Interventions in Women With Cancer: Cross-Sectional Study. JMIR Cancer. 2017; 3(2):e19.

9. Brandt C. J., Søgaard G. I., Clemensen J., Søndergaard J., Nielsen J. B. Determinants of Successful eHealth Coaching for Consumer Lifestyle Changes: Qualitative Interview Study Among Health Care Professionals. J Med Internet Res. 2018; 20(7):e237.

10. Ringwald J., Marwedel L., Junne F., Ziser K., Schäffeler N., Gerstner L., Wallwiener M., Brucker S. Y., Hautzinger M., Zipfel S., Teufel M. Demands and Needs for Psycho-Oncological eHealth Interventions in Women With Cancer: Cross-Sectional Study. JMIR Cancer. 2017 Nov 24;3(2):e19.

11. Lamberti M. J., Wilkinson M., Donzanti B. A., Wohlhieter G. E., Parikh S., Wilkins R. G., Getz K. A Study on the Application and Use of Artificial Intelligence to Support Drug Development. Clin Ther. 2019; 41(8):1414-1426.

12. Chua I. S., Gaziel-Yablowitz M., Korach Z. T., Kehl K. L., Levitan N. A., Arriaga Y. E., Jackson G. P., Bates D. W., Hassett M. Artificial intelligence in oncology: Path to implementation. Cancer Med. 2021; doi: 10.1002/cam4.3935.

Autorzy:

AIBARC – Waldemar Wiśniewski, Dariusz Mikołajewski