• Rozpoznawanie obecnego nowotworu: AUROC 0,956.
• Przewidywanie wystąpienia nowotworu do 1 roku przed rozpoznaniem, przy wykorzystaniu wyłącznie danych sprzed diagnozy: AUROC 0,869.
• Model potrafił również przewidywać stadium choroby; dla większości analizowanych nowotworów AUROC przekraczało 0,90.
• W prospektywnym pilotażu przesiewowym raka jelita grubego u 3025 osób z grupy wysokiego ryzyka Oncoformer osiągnął AUROC 0,927, czułość 90,0% i swoistość 86,8%. W badaniu wykryto 60 przypadków raka, z czego model wskazał 54.
• Ten sam model analizowano także pod kątem przewidywania odpowiedzi na leczenie i ryzyka nawrotu w 10 typach nowotworów.
Najciekawszy jest więc nie pojedynczy wynik, ale sama koncepcja: zamiast wykonywać kolejny specjalistyczny test, AI wykorzystuje zmiany widoczne w danych zbieranych podczas zwykłych wizyt i obserwuje ich przebieg w czasie.
Ograniczenia: główna część badania była retrospektywna, większość danych pochodziła z populacji azjatyckiej, a pilotaż prospektywny dotyczył wyselekcjonowanej grupy wysokiego ryzyka raka jelita grubego. AUROC nie mówi też, ile dodatnich wskazań modelu okaże się rzeczywistym nowotworem w populacyjnym screeningu. Potrzebne są duże, prospektywne badania pokazujące nie tylko trafność predykcji, ale przede wszystkim korzyść kliniczną.
Wniosek:
Rutynowe dane medyczne mogą zawierać sygnały związane z rozwojem nowotworu jeszcze przed jego klinicznym rozpoznaniem, choć to na razie narzędzie badawcze, a nie nowy test przesiewowy.
Źródło: https://www.cell.com/cell/fulltext/S0092-8674(26)00807-X