Sztuczna inteligencja wejdzie do gabinetu onkologa
Opublikowane 23 września 2025
Nowotwory to jedno z największych wyzwań współczesnej medycyny – każdego roku w Polsce diagnozę słyszy ponad 170 tysięcy osób. Skuteczność terapii w dużej mierze zależy od trafnej diagnozy i jak najdokładniejszego prognozowania przebiegu choroby. To właśnie w tym obszarze coraz większe znaczenie zaczyna odgrywać sztuczna inteligencja (AI), która ma szansę zrewolucjonizować onkologię.
Na Warszawskim Uniwersytecie Medycznym ruszył właśnie projekt „Sztuczna inteligencja w prognozowaniu wyników leczenia nowotworów jamy brzusznej – wdrażanie metod uczenia maszynowego i głębokiego uczenia do kompleksowej analizy obrazów medycznych”, kierowany przez dr. Krzysztofa Bartnika z II Zakładu Radiologii Klinicznej WUM. Badania koncentrują się na raku wątrobowokomórkowym – najczęstszym pierwotnym nowotworze wątroby i jednym z najtrudniejszych do leczenia nowotworów jamy brzusznej. Projekt realizowany jest we współpracy z Politechniką Warszawską i Duke University (USA), a finansowanie zapewniło Narodowe Centrum Nauki w ramach programu SONATINA.
„Rozpoczynamy właśnie projekt, w którym zastosujemy AI do prognozowania przebiegu chorób onkologicznych. Skupimy się na raku wątrobowokomórkowym, który pozostaje jednym z najpoważniejszych wyzwań w onkologii. Niemniej jednak modele, które opracujemy, będą tak przygotowywane, aby mogły znaleźć zastosowanie również w innych nowotworach jamy brzusznej. Wszystko po to, aby wesprzeć planowanie leczenia oraz uczynić je bardziej spersonalizowanym” – podkreśla dr Bartnik.
Dlaczego AI może zmienić onkologię?
Tradycyjne metody prognozowania, oparte na prostych cechach guza, takich jak jego rozmiar czy tempo wzrostu, często okazują się niewystarczające. U dwóch pacjentów z pozornie podobnym guzem przebieg choroby może być zupełnie różny. Wpływ mają na to inne czynniki – m.in. stan wątroby, choroby współistniejące, podtyp biologiczny raka czy reakcja na wcześniejsze leczenie. To pokazuje, że prognozowanie wymaga bardziej złożonych narzędzi niż te używane dotąd.
Współczesne badania obrazowe – tomografia komputerowa (CT) i rezonans magnetyczny (MRI) – dostarczają ogromnych ilości danych. Analiza obejmuje nie tylko obraz samego guza, ale także szczegółowe cechy takie jak struktura, unaczynienie czy dynamika kontrastowania. Problem w tym, że w praktyce klinicznej radiolodzy wykorzystują zwykle tylko część dostępnych informacji. AI ma szansę to zmienić.
„W strukturze, kształcie, unaczynieniu czy dynamice zmian guzów kryją się wskazówki, które mogą pomóc przewidzieć przebieg choroby i odpowiedź na leczenie. To oznacza, że odpowiednio zaawansowana analiza obrazów – na przykład z użyciem sztucznej inteligencji – może otworzyć nowy rozdział w spersonalizowanej onkologii” – wyjaśnia dr Bartnik.
Deep learning, machine learning i foundation models
Projekt zakłada połączenie metod głębokiego uczenia (deep learning) i uczenia maszynowego (machine learning). Pierwsze z nich umożliwia komputerom samodzielne rozpoznawanie wzorców i zależności w danych, drugie – bazuje na cechach zdefiniowanych przez ekspertów, takich jak kształt guza czy tekstura tkanek. Dzięki temu modele mogą przewidywać m.in. długość życia pacjenta czy czas wolny od progresji choroby.
Nowością będzie także wykorzystanie tzw. foundation models – algorytmów trenowanych na ogromnych i zróżnicowanych zbiorach danych, które można dostosowywać do różnych zadań, od segmentacji po prognozowanie wyników leczenia. Podczas wizyty na WUM prof. Maciej Mazurowski, kierujący Duke Center for Artificial Intelligence in Radiology, mówił m.in. o projekcie The Human Body Project, którego celem jest stworzenie kompleksowego modelu AI dla całego ludzkiego ciała. Rozwiązania te będą wspierały także warszawski projekt.
Co oznacza to dla pacjentów?
Celem badania jest stworzenie nowej klasy modeli prognostycznych dla raka wątroby, a następnie sprawdzenie ich skuteczności także w innych nowotworach jamy brzusznej. Powstanie unikalny zbiór danych MRI pacjentów z rakiem wątrobowokomórkowym, który będzie udostępniany społeczności naukowej. Zastosowane zostaną również metody federated learning, pozwalające trenować algorytmy na danych z wielu ośrodków bez konieczności ich przesyłania – to ważne z punktu widzenia ochrony prywatności pacjentów.
Jak podkreśla dr Bartnik, realizacja projektu „poprawi jakość predykcji przebiegu choroby i skuteczności leczenia, a także zmniejszy obciążenia radiologów dzięki automatyzacji analiz”. To także szansa na silniejszą współpracę interdyscyplinarną – pomiędzy lekarzami, informatykami, biologami i inżynierami.
Sztuczna inteligencja, która jeszcze kilka lat temu była tematem futurystycznych rozważań, staje się dziś narzędziem realnie wspierającym diagnostykę i leczenie. W przypadku raka wątroby – choroby trudnej, często wykrywanej późno i obarczonej złym rokowaniem – może oznaczać to nową nadzieję dla pacjentów i ich rodzin.
Źródło: WUM
Źródło: WUM
Autor:
Redakcja MedicalPress