CLASSICA: Ověřování umělé inteligence při klasifikaci rakoviny ve studii chirurgie v reálném čase 1

Rektální polypy o velikosti >2 cm (jen v Evropě postihující cca 10 000 pacientů ročně) představují značnou klinickou výzvu. Zatímco menší polypy lze řešit rutinní endoskopickou polypektomií a upřímná klinická rakovina pokročí tradičním paradigmatem nádorové chirurgie, polypy této velikosti mají možnost být lokálně vyříznuty, intaktní transanální endoskopickou resekcí (také označovanou jako transanální miniinvazivní chirurgie, TAMIS). Toto je léčba volby na tomto místě vzhledem k její schopnosti poskytnout jediný kompletní nefragmentovaný vzorek oproti jiným modalitám (např. endoskopická submukózní resekce). Zatímco technologie a školení umožňující transanální resekci se v posledním desetiletí staly mnohem dostupnějšími (zejména TAMIS), což znamená, že více pacientů může mít velké benigní léze a dokonce některé časné karcinomy rekta vyříznuté v jejich místních specializovaných centrech, hlavní brzda této péče je nyní je výběr pacienta: tj. jak zjistit, zda má daný pacient benigní polyp nebo rakovinu před jeho resekcí.

Endoskopické biopsie jsou notoricky nepřesné až u 20 % takových lézí (karcinomy konečníku začínají nejčastěji jako adenomatózní léze, a tak povrchové biopsie mohou minout maligní ohnisko). Mylná identifikace rakoviny jako benigní léze a její léčba lokální excizí významně zhoršuje prognózu a ohrozuje následnou operaci rakoviny – včetně potenciální přeměny rekonstruovatelného místa resekce (tj. léze vhodné pro přední resekci) na nerekonstruovatelné (tj. potřeba abdominoperineální resekce s trvalou kolostomií) a zaočkováním rakovinných buněk do hlubokého okraje nebo jiné roviny, zejména jako v případě lézí umístěných vpředu. Navíc techniky transanální excize mají i nadále relativně vysokou míru pozitivních marží; to riskuje opětovný růst benigních lézí a omezuje účinnou lokální terapii u nejranějších stadií rakoviny kvůli přítomnosti inaparentního onemocnění v blízkosti hlavního nádoru.

Již dříve jsme prokázali pomocí fluorescenční indocyaninové zeleně (ICG), že perfuze je viditelně odlišná mezi nádorovou a zdravou tkání. Tento rozdíl lze zachytit pomocí infračerveného videa a matematická analýza může odlišit perfuzní vzorec maligních oblastí od jakékoli benigní/normální tkáně, která je také viditelná ve stejném endoskopickém pohledu. Stručně řečeno, saturaci fluorescence v každé oblasti zájmu (tj. nádor nebo oblast normální sliznice) lze měřit ze zaznamenaného videa pomocí existujícího softwaru vyvinutého společností IBM. Změna fluorescence v průběhu času může být vynesena do křivky, která ukazuje přítok, vrchol a odtok ICG, což závisí na vzorcích perfuze v oblasti zájmu. Tyto křivky se liší v závislosti na vyšetřované tkáni, a tak je lze použít ke klasifikaci benigních nádorů od maligních pomocí výpočtu sklonu vychytávání a plochy pod křivkou pro měření odtoku. Proto v místě (jako je konečník), kde existuje podezření na rakovinu, lze analýzu videa použít k rozlišení mezi zdravou a rakovinnou tkání. Tento objev lze využít pro klinické použití aplikací metod umělé inteligence včetně počítačového vidění a strojového učení. Intenzita fluorescence pixelů zobrazujících zájmové tkáně se v podstatě mění s průtokem krve (perfuzí), když je krev obarvena ICG a osvětlena blízkým infračerveným (NIR) světlem. Intenzita je zachycena v průběhu času, z více snímků videa, a tato intenzita je vykreslena jako křivka. Křivky intenzity nádorové tkáně se liší od křivky zdravé tkáně a křivky benigních nádorů se liší od nádorů maligních. Analýza vlastností křivky pro každý pixel v oblasti zájmu tak může vést ke klasifikaci.

Takový systém umělé inteligence byl již dříve prototypován a trénován v nemocnici Mater pomocí videí od populace irských pacientů s rakovinou ze dvou regionálních center, aby mohl automaticky identifikovat zhoubné nádory a benigní léze ze zdravé tkáně podle jejich vzorců prokrvení. Tento prototyp již dříve prokázal přesnost > 80 %.

V této studii klinicky ověřujeme základní koncept nebo metodu klasifikace tkáně podle jejích charakteristik fluorescenčního signálu a zároveň zjišťujeme, zda lze na základě toho postavit zařízení, které dokáže extrapolovat data generovaná z videí pracovníky UCD. Zabýváme se také otázkou zobecnění – mohou systém používat jiní chirurgové a získat podobné výsledky ze svých konkrétních kohort pacientů? To připraví půdu pro budoucí studie, které jsou plánovány k určení rolí biopsie (může systém umožnit optimální výběr bioptované tkáně a snížit tak chybu biopsie?); a resekce tumoru (může systém zvýšit úplnost a přesnost resekce tumoru?).