Вештачка интелигенција открива рак простате у раној фази који патолози нису пропустили

Научни извештаји показују да вештачка интелигенција може да препозна скривене морфолошке трагове тумора у биопсијама простате које је патолог претходно сматрао бенигним. Модел дубоког учења обучен коришћењем слабо надгледаног приступа предвидео је који ће мушкарци са повишеним ПСА развити клинички значајан рак простате (ISUP > 1) у наредних 30 месеци, а који ће остати без рака најмање 8 година. Ово отвара врата раној стратификацији ризика одмах након почетне „чисте“ биопсије и може помоћи у одлучивању коме су заиста потребне поновљене инвазивне процедуре и појачан надзор.

Позадина студије

Примарна биопсија простате иглом често даје лажно негативне резултате: значајан део клинички значајног рака остаје „ван екрана“, посебно код традиционалне систематске ТРУС биопсије. Увођење МРИ вођења повећало је удео клинички значајног откривања рака и смањило број непотребних понављања процедура, али чак и уз савремене стратегије, неки агресивни тумори остају неоткривени. Клиничка дилема остаје иста: кога треба посматрати након „чисте“ биопсије, а кога треба упутити на рану поновљену биопсију, како се не би одложила дијагноза и не би се пацијенти преоптеретили инвазивним интервенцијама.

Биолошка основа за решавање овог проблема је феномен TINT (тумор-инструисано/индикујуће нормално ткиво): тумор „реконфигурише“ околна наизглед нормална ткива органа, остављајући у њима слабе, али систематске трагове - од ремоделирања строме и хипоксије до метаболичких помака. Ове промене су описане у експерименталним моделима и код пацијената са раком простате и корелирају са агресивношћу тумора, што чини „нормално“ ткиво потенцијалним извором дијагностичких сигнала, чак и ако у језгру биопсије нема очигледних канцерогених жлезда.

Дигитална патологија и методе дубоког учења имају за циљ да издвоје такве „суптилне“ карактеристике поља из стандардних хематолошких и ентерокринолошких пресека. За разлику од класичне морфологије, која се фокусира на очигледне структуре тумора, алгоритми могу да ухвате дистрибуиране обрасце у строми и епителу повезане са присуством тумора у другом делу органа. Ово отвара пут ка стратификацији ризика одмах након негативне биопсије: висок „скор“ на Glass скринингу указује на препоручљивост ране поновљене биопсије или вођења магнетном резонанцом, док низак подржава пажљивије посматрање.

Ово је идеја која стоји иза нове студије објављене у часопису Scientific Reports: аутори су тестирали да ли вештачка интелигенција може да предвиди клинички значајан рак простате у наредних 30 месеци на основу морфолошких знакова из TINT биопсија. Рад се надовезује на претходно представљени препринт и представља примењену основу за имплементацију „теренских“ дигиталних биомаркера у усмеравању пацијената након почетне „чисте“ биопсије.

Како је то урађено: дизајн, подаци, алгоритам

Аутори су ретроспективно прикупили кохорту од 232 мушкарца са повишеним ПСА и почетним закључком „бенигни“ на биопсији иглом (након техничке контроле, 213 пацијената и 587 пресека су укључени у коначну анализу; биопсије 1997-2016, Умео, Шведска). Сваки пацијент је упарен са „огледалским“ паром према старости, години дијагнозе и нивоу ПСА: половини је рак простате дијагностикован касније (≤30 месеци), друга половина је остала без рака најмање 8 година. Х&Е слајдови су дигитализовани (20×), исечени на плочице величине 256×256 пиксела и унети у CLAM (Clustering-constrained Attention Multiple-Instance Learning) - модерну слабо надгледану шему, где је позната само судбина пацијента, а не и ознака сваког пиксела. Карактеристике је екстраховао ResNet18 претходно обучен на 57 хистопатолошких скупова података. Крајња тачка је бинарна: низак ризик (бенигни/ISUP1) наспрам високог ризика (ISUP2-5).

Тачност предвиђања

У независном тесту, модел је постигао AUC од 0,81 на свим препаратима и AUC од 0,82 на нивоу пацијента. На прагу који је пружао прихватљиву равнотежу, осетљивост је била 0,92 са стопом лажно позитивних од 0,32 (на нивоу пацијента). Другим речима, међу људима чија је почетна биопсија „промашила“, вештачка интелигенција је исправно означила велику већину оних код којих је убрзо потврђен клинички значајан рак, иако по цену неких лажних узбуна. За клинику, ово је сигнал: „бенигни“ одговор на биопсију ≠ нулти ризик, и може се квантитативно стратификовати дигиталним стаклом.

Шта тачно вештачка интелигенција „примећује“ у „нормалном“ ткиву?

Интерпретација путем UMAP-а и мапа пажње показала је да су промене строме најинформативније:

• Више колагена у строми (збијање матрикса, „фиброза“);
• Мањи број глатких мишићних ћелија око жлезда;
• Мање чести су суптилни сигнали у жлезданом епителу, вероватно испод доступне резолуције смањења узорковања.
  Овај образац се уклапа у концепт TINT (тумор-инструктирано/указује нормално ткиво): чак се и „норма“ у органу где је тумор скривен реконфигурише под његовим утицајем и разликује се од „норме“ у органу без тумора. Рак није само жариште, већ и поље, а вештачка интелигенција учи да чита ефекат поља.

Како је приступ користан у пракси - потенцијални сценарији

• Поновна биопсија заснована на ризику: висока стопа вештачке интелигенције на „чистом“ стаклу - аргумент у корист ране поновне биопсије или вођења МРИ уместо чекања.
• Персонализација праћења: Мала брзина уравнотежује анксиозност након „граничне“ магнетне резонанце и омогућава модерацију интензитета праћења.
• Тренинг TINT обрасца: Мапе пажње и интерактивни слојеви помажу патолозима да виде суптилна поља око рака, побољшавајући доследност извештаја.

Важно је разумети ограничења

То је један центар у северној Шведској (претежно белци), дизајн је ретроспективан, основне биопсије су урађене без вођења МРИ (систематске ТРУС биопсије), а маркери су будући исходи, а не „окултни тумор на истом препарату“. Још увек не постоји екстерна валидација у независним центрима/скенерима, нити постоји проспективно испитивање утицаја алгоритма на клиничке одлуке и исходе. Стопа лажно позитивних резултата остаје значајна - модел не замењује лекара, већ додаје вероватносни слој за заједничко доношење одлука.

Шта је следеће: План имплементације

• Мултицентрична екстерна валидација (различити скенери, протоколи, етничке групе).
• Студије проспективних одлучивања: да ли скор вештачке интелигенције мења путању пацијента (време до дијагнозе, број непотребних поновљених биопсија, прекомерна/недовољна дијагноза).
• Интеграција са МРИ и клиником: комбиновани модели (ПСА, МРИ PIRADS, клинички фактори + TINT скор према H&E).
• Технички кораци: стандардизација дигитализације, контрола померања података, објашњивост (преклапање пажње за рутину).

Извор: Челебијан Е., Авенел К., Јаремо Х., Андерсон П., Берг А., Велби К. и др. Откриће тумора које указује на морфолошке промене у бенигним биопсијама простате путем вештачке интелигенције. Научни извештаји (Nature Portfolio), објављено 21. августа 2025. DOI: https://doi.org/10.1038/s41598-025-15105-6