Inteligența artificială poate identifica din timp persoanele cu risc crescut de melanom folosind date medicale de rutină

Sursa foto: Imagine generată AI iAceastă imagine a fost generată automat de AI pe baza rezumatului articolului și nu reprezintă un moment real fotografiat.

Un studiu masiv realizat în Suedia arată că modele de inteligență artificială (IA) antrenate pe date administrative și medicale de rutină pot detecta grupuri de persoane cu risc semnificativ crescut de a dezvolta melanom în următorii ani. Analiza, care a acoperit întreaga populație adultă a Suediei, relevă că modelele avansate depășesc metodele de bază și pot izola subgrupuri mici în care probabilitatea apariției melanomului într-un interval de cinci ani atinge proporții îngrijorătoare, până la aproximativ 33%.

Date și amploare: un eșantion național

Cercetarea s-a bazat pe date prelucrate din registre care acoperă întreaga populație adultă a Suediei. Setul de date a inclus informații demografice și clinice uzuale, precum vârsta, sexul, diagnosticurile medicale, utilizarea de medicamente și indicatori socioeconomici. În total au fost cuprinse 6.036.186 de persoane adulte, dintre care 38.582 (0,64%) au dezvoltat melanom pe parcursul perioadei de studiu de cinci ani.

Dimensiunea și exhaustivitatea acestor registre permit o abordare pe scară largă, oferind date suficient de bogate pentru antrenarea unor algoritmi de învățare automată capabili să identifice patternuri de risc care nu sunt evidente în evaluările clinice de rutină.

Martin Gillstedt, doctorand la Sahlgrenska Academy a Universității din Gothenburg și statistician la Departamentul de Dermatologie și Venerologie al Sahlgrenska University Hospital, a condus mare parte din analiză. El subliniază valoarea datelor deja disponibile în sistemele de sănătate: „Studiul nostru arată că datele care sunt deja disponibile în cadrul sistemelor de îngrijire medicală pot fi folosite pentru a identifica persoane cu risc crescut de melanom.”

Modelele de inteligență artificială: performanță comparativă

Autorii au evaluat mai multe modele de inteligență artificială și au constatat diferențe clare în performanță între abordările folosite. Cel mai avansat model din studiu a reușit să distingă corect între persoanele care ulterior au dezvoltat melanom și cele care nu au dezvoltat în aproximativ 73% din cazuri. În comparație, o abordare simplificată, care folosește doar vârsta și sexul, a atins o acuratețe de aproximativ 64%.

Adăugarea unor variabile suplimentare — cum sunt diagnosticele medicale anterioare, medicația folosită și informațiile sociodemografice — a îmbunătățit capacitatea modelelor de a restrânge subgrupuri de indivizi cu un risc mult mai mare decât media populației. În aceste subgrupuri identificate de model, probabilitatea de a dezvolta melanom în următorii cinci ani a ajuns la aproximativ 33%.

Ce semnifică cifra de 73%?

Procentul de aproximativ 73% reflectă capacitatea modelului cel mai performant de a separa, pe baza datelor disponibile, persoanele care ulterior dezvoltă melanom de cele care nu dezvoltă boala. Aceasta nu înseamnă că modelul poate prezice cu certitudine absolută diagnosticul pentru fiecare individ, ci că, pe un eșantion larg, clasificarea realizată de model corespunde rezultatelor observate în proporție de circa 73%.

Implicarea pentru strategiile de screening: eficiență și precizie

Rezultatele deschid perspectiva unui screening mai bine țintit, în care resursele de sănătate ar putea fi concentrate asupra unor grupuri identificate ca având risc ridicat, în timp ce persoanele cu risc scăzut ar beneficia de monitorizare mai puțin intensivă. Această paradigmă ar putea aduce două avantaje majore: detectare mai precisă a cazurilor care prezintă probabilitate ridicată de evoluție și o utilizare mai eficientă a resurselor limitate din sistemele de sănătate.

Sam Polesie, conferențiar asociat în dermatologie și venerologie la Universitatea din Gothenburg și dermatolog la Sahlgrenska University Hospital, a condus studiul. El afirmă: „Analizele noastre sugerează că screeningul selectiv al unor grupuri mici cu risc crescut ar putea conduce atât la o monitorizare mai precisă, cât și la o utilizare mai eficientă a resurselor de sănătate. Aceasta ar însemna integrarea datelor populaționale în medicina de precizie și suplimentarea evaluărilor clinice.”

Aplicarea în practică a unei asemenea abordări ar presupune stabilirea unor criterii clare pentru definirea grupurilor cu risc crescut, integrarea fluxurilor de date în infrastructurile clinice existente și dezvoltarea de politici care să reglementeze modul în care rezultatele generate de IA vor fi folosite în deciziile clinice.

Limitări și necesitatea unor pași ulteriori

Deși rezultatele sunt promițătoare, echipa de cercetare atenționează că sunt necesare studii suplimentare și decizii de politică publică înainte ca această metodă să poată fi implementată în practica clinică de rutină. Traducerea performanței unui model antrenat pe registre naționale în proceduri operaționale care să protejeze datele personale, să asigure echitatea accesului și să evite erorile de clasificare va necesita evaluări suplimentare, validare externă și consultări multidisciplinare.

De asemenea, integrarea acestor modele în circuitul decizional clinic ridică întrebări etice și practice privind explicabilitatea predicțiilor, responsabilitatea în cazul unor erori și acceptabilitatea pentru medici și pacienți. Cercetătorii subliniază necesitatea unor studii care să investigheze impactul real al unor strategii de screening țintite asupra indicatorilor clinici, economici și sociali ai sănătății publice.

Colaborare științifică și publicare

Studiul a fost realizat în cadrul unei colaborări între Universitatea din Gothenburg și Chalmers University of Technology. Rezultatele au fost publicate în jurnalul Acta Dermato-Venereologica, sub titlul „Predicting Melanoma Impact on the Swedish Healthcare System from the Adult Population Using Machine Learning on Registry Data”. Referința jurnalului include detaliile: Martin Gillstedt, Lena Stempfle, John Paoli, Fredrik D. Johansson, Sam Polesie. Lucrarea este identificată prin DOI: 10.2340/actadv.v106.44610.

Pentru acces la comunicarea originală a studiului se pot consulta resursele disponibile online, inclusiv sinteza publicată pe platforma de știri științifice. Mai multe detalii despre lucrare sunt disponibile prin legătura către DOI: http://dx.doi.org/10.2340/actadv.v106.44610 și pagina de prezentare a studiului: Articol ScienceDaily despre studiul Universității din Gothenburg.

Ce urmează: de la cercetare la practică

Pe măsură ce fieldul medicinei de precizie avansează, acest tip de studii demonstrează modul în care datele colectate în mod obișnuit pot sprijini decizii clinice mai rafinate. Identificarea timpurie a persoanelor cu risc crescut de melanom ar putea permite intervenții mai rapide, monitorizare selectivă și, în final, o reducere a poverii bolii asupra indivizilor și sistemelor de sănătate. Totuși, adoptarea largă a unor asemenea instrumente depinde de pași concreți: validare externă a modelelor în alte populații, evaluări de impact asupra serviciilor medicale, dezvoltarea ghidurilor clinice care să includă utilizarea rezultatelor oferite de IA și stabilirea unui cadru etic și legal adecvat.

În egală măsură, medicii, factorii de decizie și societatea vor trebui să evalueze beneficiile și riscurile unei tranziții spre screening mai determinant pe baza datelor, inclusiv modul în care astfel de sisteme pot influența practicile de prevenție și educare în sănătatea pielii.

Perspective finale

Studiul realizat pe date naționale oferă un semnal clar că registrele de sănătate conțin informații valoroase pentru estimarea riscului de melanom și că inteligența artificială poate valorifica aceste date pentru a identifica persoane cu risc mult mai mare decât media. Rămâne, însă, un drum de parcurs până la integrarea în mod sigur și eficient a acestor instrumente în fluxurile clinice de zi cu zi. Cercetările viitoare și discuțiile de politică vor fi esențiale pentru a transforma aceste promisiuni într-o practică care să servească sănătatea publică și siguranța pacienților.