AI a tüdőrák kockázatának meghatározásához a számítógépes tomográfiás szűrőprogramokban

A tüdőrák az összes rákos halálozás 28%-át teszi ki Európában, a betegek 70%-át előrehaladott stádiumban diagnosztizálják, és mindössze 21%-os az 5 éves túlélési arány. Annak ellenére, hogy az esetek csaknem 90%-ában a dohányzás okozója, a dohányzási arányok világszerte továbbra is fennállnak, ami hosszú távú közegészségügyi kihívást jelent. Célunk a tüdőrák kockázatbecslésének finomítása a vér alapú biomarkerek, különösen a keringő mikroRNS-ek (miRNS-ek) és a C-reaktív fehérje segítségével. A kétévente végzett LDCT-szűrések és a tüdőrák kockázatát előrejelző vérvizsgálatok eredményesnek bizonyultak, amint azt a BioMILD-kísérlet keretében 2013 óta végzett úttörő munkánk is mutatja.

A 4119 önkéntes részvételével zajló BioMILD kísérlet LDCT és mikroRNS biomarkereket egyesít, 4 éven keresztül bizonyítva a megvalósíthatóságot és a biztonságot. Jelenlegi törekvésünk egy prediktív modell kidolgozása az LDCT-vel kimutatott, nagy kockázatú tüdőcsomók számára, amely vér-, funkcionális és radiomika biomarkereket tartalmaz. A BioMILD vizsgálat biorepozitóriumát, képalkotó adatbázisát és 20, pácienstől származó xenograftot (PDX) felhasználva fejlett mesterséges intelligencia (AI) eszközöket használunk az átfogó elemzéshez. Ez a megközelítés, amely 400 szilárd és szubszolid LDCT tüdőcsomókkal rendelkező alanyt, köztük 100 kiindulási állapot szerint azonosított rákos beteget érint, kulcsfontosságú.

Véralapú biomarkerek, radiológiai paraméterek, klinikai jellemzők és mesterséges intelligencia eszközök kombinálásával robusztus modell létrehozására törekszünk. Ezt a modellt a folyamatban lévő SMILE szűrővizsgálatból származó, 100 alanyból álló független csoport (25 tüdőrákos és 75 tüdőrák nélküli) alanyból álló validálásra kerül sor. Ha sikerrel járunk, az a jövőképünk, hogy ezt a panelt olyan klinikai környezetben is megvalósítsuk, ahol ez hasznosnak bizonyul. Küldetésünk a tüdőrák okozta halálozás csökkentése, a szűrési beavatkozások optimalizálása új, nem invazív eszközökkel minden magas kockázatú egyén számára, miközben minimalizálja a költségeket és a sugárterheléssel kapcsolatos ártalmakat.

1. Cél: Immune Signature Classifier (ISC) értékelése perifériás vér mononukleáris sejt (PBMC) mintákon, amelyeket szilárd és szubszilárd LDCT tüdőcsomókból vettek fel, és az ISC integrálása meglévő biomarkerekkel, például az MSC teszttel és a c-reaktív proteinnel (cRP).

2. cél A légzőszervi és kardiovaszkuláris rendellenességekkel kapcsolatos radiológiai jellemzők és egyéb LDCT markerek értékelése.

3. cél Kockázati osztályozó kifejlesztése mesterséges intelligencia eszközökkel, amelyek a vér biomarkereinek, képalkotó és klinikai adatok kombinációján alapulnak az LDCT szűrési érzékenységének és pozitív prediktív értékének javítására.