Prediktivní model rizika nádorových lézí hlavy a krku založený na strojovém učení (ML-HNC-Risk)

Zdraví hlasu se stalo významnou výzvou pro veřejné zdraví. Fonace závisí na přesné neuromuskulární a respirační koordinaci, což je fyziologický proces, který je často narušen systémovým stárnutím, multimorbiditou a neuromuskulární degenerací. Tento složitý patofyziologický souzvuk činí klinické rozlišení časných stádií laryngeálních malignit od běžných benigních hlasových poruch (např. cyst hlasivek, granulomů hlasového výběžku a Reinkeho edému) mimořádně obtížným. Protože obě entity se obvykle projevují nespecifickou chrapotem nebo pocitem globusu, obtížnost časného screeningu a přesné diferenciální diagnostiky je výrazně zesílena.

V současnosti diagnostika hlasových poruch do značné míry závisí na laryngoskopii. Avšak v důsledku nerovnoměrného rozdělení zdravotnických zdrojů primární a komunitní péče obecně postrádají účinné screeningové nástroje pro laryngeální malignity během počátečních konzultací, což často vede ke zpožděným odkazům pro pacienty s vysokým rizikem. Dále existuje hluboká nerovnost v odborných znalostech endoskopické interpretace napříč různými úrovněmi zdravotní péče. Vizuální znaky některých prekancerózních lézí (jako je dysplastická leukoplakie) a časných stádií malignit se značně překrývají, což vede k vysokému riziku přehlédnutých diagnóz nebo zbytečných biopsií benigních lézí. Proto je systematické začlenění multidimenzionálních ukazatelů – včetně demografie (např. věku), anamnézy kouření a konzumace alkoholu a klinické symptomatologie – do hodnocení rizika klíčové pro včasné odhalení malignit a optimální alokaci zdravotnických zdrojů.

V posledních letech umělá inteligence (AI) založená na hlubokém učení prokázala obrovský potenciál ve extrakci znaků z lékařských snímků, schopná zachytit jemné morfologické textury nepostřehnutelné lidským okem. Avšak onkogeneze a progrese laryngeálních malignit jsou poháněny souhrou multidimenzionálních faktorů. Když jsou konfrontovány se složitými, reálnými klinickými scénáři, unimodální zobrazovací modely často trpí sníženou generalizovatelností a zvýšenou mírou falešně pozitivních výsledků kvůli absenci demografického, symptomatického a behaviorálního expozičního kontextu pacienta. Reálné klinické rozhodování není izolovaným úkolem interpretace snímků; spíše vyžaduje systematickou integraci vizuálních znaků s multidimenzionálními klinickými metadaty. Vývoj inteligentního diagnostického rámce schopného fúze multimodálních dat je proto nezbytný k překonání aplikačních úzkých míst současných unimodálních AI zobrazovacích nástrojů.

V reakci na tyto klinické bolavé body a technická omezení tato studie využila národní multicentrickou kohortu zahrnující přibližně 11 000 pacientů s hlasovými poruchami k vývoji a validaci dvoufázového, multimodálního AI rámce pro stratifikaci rizika a diagnostiku. V první fázi, integrací demografických charakteristik, behaviorálních expozic a klinické symptomatologie, výzkumníci vyvinuli neinvazivní, nízkonákladový Klinický Screeningový Model. Tento nástroj je navržen tak, aby poskytl primární péči a pacientům okamžitý, efektivní systém včasného varování před malignitami. Ve druhé fázi, na základě této počáteční stratifikace rizika, výzkumníci použili algoritmy hlubokého učení k extrakci mikroskopických vizuálních znaků z endoskopických snímků, což vyústilo v Multimodální Diagnostický Model. Tento model dosahuje přesné multiklasové klasifikace mezi laryngeálními malignitami, běžnými benigními lézemi hlasivek a normální laryngeální anatomií. Dále výzkumníci nasadili cloudovou webovou aplikaci k usnadnění odhadu rizika v reálném čase.

Nakonec, poskytnutím tohoto klinicky kvalitního AI diagnostického asistenta, tato studie usiluje o optimalizaci hierarchických screeningových a diagnostických cest pro hlasové poruchy, čímž posiluje praktické lékaře a primární péči otolaryngologů ke zlepšení kvality klinického rozhodování a diagnostické přesnosti.