AI stanie się standardem w diagnostyce zespołu Sjögrena?
Sztuczna inteligencja jest w stanie z dużą dokładnością i – co najważniejsze – w sposób w pełni obiektywny oceniać biopsje w kierunku zespołu Sjögrena. Może również odkrywać nowe, istotne patologicznie cechy choroby – dowodzą nowe badania.
Biopsja gruczołu ślinowego i ocena histopatologiczna tzw. wskaźnika skupienia (focus score) to jeden z fundamentów diagnostyki zespołu Sjögrena. Metoda ta jest jednak obarczona ogromną subiektywnością – do tego stopnia, że ponowna ocena tego samego preparatu przez innego eksperta prowadzi do zmiany klasyfikacji choroby nawet w połowie przypadków. Ta diagnostyczna niepewność stanowi ogromne wyzwanie kliniczne. Czy sztuczna inteligencja, w postaci głębokiego uczenia maszynowego, może wnieść do tego procesu obiektywizm, powtarzalność i odkryć coś, czego ludzkie oko dotąd nie dostrzegało?
W ramach dużego, europejskiego konsorcjum badawczego zebrano cyfrowe skany preparatów histopatologicznych od 545 pacjentów z sześciu różnych, eksperckich ośrodków. Na tej podstawie wytrenowano, a następnie na zupełnie nowych danych z niezależnego ośrodka zweryfikowano, model głębokiego uczenia maszynowego. Jego zadaniem była automatyczna klasyfikacja wskaźnika skupienia oraz rozpoznanie zespołu Sjögrena na podstawie samego obrazu biopsji. Przeanalizowano następnie proces decyzyjny algorytmu, aby odkryć, które cechy obrazu uznawał on za kluczowe dla postawienia prawidłowej diagnozy.
Model oparty na sztucznej inteligencji wykazał się bardzo wysoką trafnością diagnostyczną, z polem pod krzywą ROC na poziomie 0,88 dla oceny wskaźnika skupienia i 0,89 dla rozpoznania samej choroby. Oznacza to, że jego zdolność do prawidłowej klasyfikacji była porównywalna z oceną ekspertów. Co więcej, jego skuteczność była jeszcze wyższa (AUROC 0,92) w trudnej do zdiagnozowania grupie pacjentów bez obecności typowych przeciwciał (seronegatywnych). Analiza algorytmu przyniosła kolejne, przełomowe odkrycie: sztuczna inteligencja zidentyfikowała nowy, nieopisany dotąd wzorzec histologiczny silnie związany z chorobą – nacieki z limfocytów T CD8+ wokół komórek pęcherzykowych gruczołów – cechę, która nie jest elementem tradycyjnej oceny wskaźnika skupienia.
Badanie to dowodzi, że sztuczna inteligencja jest w stanie nie tylko z dużą dokładnością i – co najważniejsze – w sposób w pełni obiektywny i powtarzalny, oceniać biopsje w kierunku zespołu Sjögrena, ale również odkrywać nowe, istotne patologicznie cechy choroby. To więcej niż tylko automatyzacja pracy patologa. To potencjalny krok w kierunku stworzenia nowego, precyzyjniejszego „złotego standardu” w diagnostyce histologicznej tej choroby.
