Ένα σύστημα τεχνητής νοημοσύνης μπορεί να ανιχνεύει καρκίνο του παγκρέατος πολύ πριν γίνει ορατός.
Το νέο μοντέλο, με την ονομασία REDMOD, φαίνεται να εντοπίζει ανεπαίσθητες αλλοιώσεις ιστών που σχετίζονται με το παγκρεατικό πορογενές αδενοκαρκίνωμα, τη συχνότερη και πιο θανατηφόρα μορφή της νόσου, σύμφωνα με έρευνα που δημοσιεύθηκε στο Gut.
Τα πρώιμα αυτά σημάδια συνήθως δεν διακρίνονται στις τυπικές απεικονίσεις και μπορεί να διαφύγουν ακόμη και από ιδιαίτερα έμπειρους ειδικούς.
Οι ερευνητές αναφέρουν ότι η προσέγγιση αυτή θα μπορούσε να μετατοπίσει τις διαγνώσεις από τα συνήθη, όψιμα και συχνά μοιραία στάδια, σε πολύ πρώιμη ανίχνευση στο στάδιο 0, όταν οι θεραπείες έχουν περισσότερες πιθανότητες επιτυχίας.
Αν και το REDMOD ξεπέρασε την επίδοση έμπειρων ακτινολόγων, η ομάδα σημειώνει ότι χρειάζεται περαιτέρω αξιολόγηση σε πληθυσμούς υψηλού κινδύνου, όπως άτομα με ανεξήγητη απώλεια βάρους και πρόσφατα διαγνωσμένο διαβήτη, προτού χρησιμοποιηθεί ευρέως στην κλινική πράξη.
Το παγκρεατικό πορογενές αδενοκαρκίνωμα έχει πολύ χαμηλά ποσοστά επιβίωσης. Συνήθως διαγιγνώσκεται σε προχωρημένο στάδιο, επειδή στα αρχικά στάδια σπανίως προκαλεί συμπτώματα ή ορατές αλλοιώσεις και εξελίσσεται γρήγορα, εξηγούν οι ερευνητές.
Για να το αντιμετωπίσουν, ανέπτυξαν το Radiomics-based Early Detection Model (REDMOD). Το σύστημα έχει σχεδιαστεί για να ανιχνεύει λεπτές υφές ιστών (radiomics) που υποδηλώνουν πολύ πρώιμο καρκίνο του παγκρέατος, οι οποίες δεν είναι ορατές στις τυπικές αξονικές τομογραφίες (CT).
Το REDMOD ενσωματώνει επίσης αυτόματη τμηματοποίηση του παγκρέατος, οριοθετώντας με ακρίβεια το όργανο και διαχωρίζοντάς το από τους γύρω ιστούς και όργανα. Έτσι, δεν απαιτείται χειροκίνητη οριοθέτηση, της οποίας η ακρίβεια μπορεί να μεταβάλλεται.
Για την αξιολόγηση της επίδοσής του, το REDMOD δοκιμάστηκε σε κοιλιακές αξονικές τομογραφίες 219 ασθενών από πολλά νοσοκομεία. Αρχικά είχαν κριθεί ελεύθεροι νόσου από τους ακτινολόγους, αλλά αργότερα διαγνώστηκαν με καρκίνο του παγκρέατος.
Για 87 ασθενείς (40%), οι εξετάσεις είχαν γίνει 3–12 μήνες πριν από τη διάγνωση. Για 76 (35%), 12–24 μήνες πριν, και για 56 (25%) περισσότερους από 24 μήνες πριν, έως και περίπου 3 χρόνια. Σε σχεδόν δύο τρίτα των περιπτώσεων (64%), ο καρκίνος εντοπίστηκε στην κεφαλή του παγκρέατος.
Τα αποτελέσματα συγκρίθηκαν με τομογραφίες 1.243 ατόμων που δεν εμφάνισαν καρκίνο του παγκρέατος μέσα σε 3 χρόνια. Οι συμμετέχοντες αυτοί ταίριαζαν ως προς ηλικία, φύλο και ημερομηνία εξέτασης.
Η μέση ηλικία των ασθενών που αργότερα διαγνώστηκαν με καρκίνο του παγκρέατος ήταν 69 ετών (εύρος 34–88). Στην ομάδα σύγκρισης, η μέση ηλικία ήταν 64 ετών, με το ίδιο εύρος.
Το REDMOD αναγνώρισε τα «αόρατα» σημάδια προκλινικού παγκρεατικού πορογενούς αδενοκαρκινώματος κατά μέσο όρο 475 ημέρες πριν από την κλινική διάγνωση.
«Αυτό το χρονικό παράθυρο έχει βαθιά σημασία, καθώς η επίτευξη τόσο πρώιμης ανίχνευσης θα αύξανε ουσιαστικά την πιθανότητα ίασης και τη βελτίωση της επιβίωσης», υπογραμμίζουν οι ερευνητές.
«Στην πραγματικότητα, μοντέλα προσομοίωσης δείχνουν ότι η αύξηση του ποσοστού των εντοπισμένων [παγκρεατικών πορογενών αδενοκαρκινωμάτων] από 10% σε 50% θα υπερδιπλασίαζε τα ποσοστά επιβίωσης, υπογραμμίζοντας έτσι ότι ο χρόνος της διάγνωσης είναι ο μοναδικός πιο κρίσιμος παράγοντας για τα αποτελέσματα επιβίωσης», προσθέτουν.
Το μοντέλο ξεπέρασε και τους ακτινολόγους: πέτυχε σχεδόν διπλάσια ευαισθησία στην ορθή αναγνώριση αληθών θετικών, 73% έναντι 39%. Για περιπτώσεις που ανιχνεύθηκαν περισσότερο από 2 χρόνια πριν από τη διάγνωση, το REDMOD ήταν σχεδόν τριπλάσιας ακρίβειας, 68% έναντι 23%.
Σε πρόσθετες δοκιμές, το REDMOD ταξινόμησε σωστά ως ελεύθερες καρκίνου λίγο πάνω από το 81% των εξετάσεων από ανεξάρτητη ομάδα 539 ασθενών. Πέτυχε επίσης ακρίβεια 87,5% στο σύνολο δεδομένων NIH-PCT των US National Institutes of Health, που περιλάμβανε 80 ασθενείς.
Οι πρώιμες αλλαγές που εντόπισε το μοντέλο ήταν σταθεροί δείκτες μελλοντικής νόσου. Σε επανεξετάσεις που είχαν γίνει μήνες νωρίτερα, το REDMOD έδωσε το ίδιο αποτέλεσμα στο 90–92% των περιπτώσεων.
Οι ερευνητές επισημαίνουν ορισμένους περιορισμούς, μεταξύ των οποίων την περιορισμένη εθνοτική ποικιλομορφία των συμμετεχόντων.
Παρά ταύτα, καταλήγουν: «Η μελέτη αυτή επικυρώνει το REDMOD ως ένα πλήρως αυτοματοποιημένο πλαίσιο τεχνητής νοημοσύνης ικανό να αναγνωρίζει τα απεικονιστικά αποτυπώματα του σταδίου 0 [παγκρεατικού πορογενούς αδενοκαρκινώματος] σε φυσιολογικό πάγκρεας, επιτυγχάνοντας αυτό με μεγάλα χρονικά περιθώρια και επίδοση ανώτερη των ειδικών ακτινολόγων.»
Προσθέτουν: «Ενώ η προοπτική επικύρωση είναι καίρια για την επιβεβαίωση της κλινικής χρησιμότητας, το πλαίσιο REDMOD συνιστά σημαντική πρόοδο προς τη μετατόπιση του παραδείγματος για τα σποραδικά [παγκρεατικά πορογενή αδενοκαρκινώματα] από την όψιμη, συμπτωματική διάγνωση στην προληπτική, προκλινική αναχαίτιση, προσφέροντας απτή ελπίδα για βελτίωση των εκβάσεων σε αυτή τη δύσκολη νόσο.»
Reference: “Next-generation AI for visually occult pancreatic cancer detection in a low-prevalence setting with longitudinal stability and multi-institutional generalisability” by Sovanlal Mukherjee, Ajith Antony, Nandakumar G Patnam, Kamaxi H Trivedi, Aashna Karbhari, Khurram Khaliq Bhinder, Armin Zarrintan, Joel G Fletcher, Mark Truty, Matthew P Johnson, Suresh T Chari and Ajit Harishkumar Goenka, 28 April 2026, Gut. DOI: 10.1136/gutjnl-2025-337266
Funding: National Institutes of Health; Funk Zitiello Foundation; Centene Charitable Foundation; Hoveida Family Foundation
