Sztuczna inteligencja w definicji ryzyka raka płuc w programach przesiewowych tomografii komputerowej

Rak płuc stanowi 28% wszystkich zgonów z powodu nowotworów w Europie, przy czym u 70% pacjentów diagnozuje się go w zaawansowanych stadiach, a wskaźnik przeżycia 5-letniego wynosi zaledwie 21%. Pomimo związku przyczynowego palenia z prawie 90% przypadków, wskaźniki palenia na całym świecie utrzymują się, co stanowi długoterminowe wyzwanie dla zdrowia publicznego. Skupiamy się na udoskonaleniu oceny ryzyka raka płuc przy użyciu biomarkerów krwi, w szczególności krążących mikroRNA (miRNA) i białka C-reaktywnego. Co dwa lata badania przesiewowe LDCT i badania krwi prognozujące ryzyko raka płuc wykazały skuteczność, co widać w naszej pionierskiej pracy w ramach badania BioMILD prowadzonej od 2013 roku.

Badanie BioMILD, w którym wzięło udział 4119 ochotników, łączy biomarkery LDCT i mikroRNA, wykazując wykonalność i bezpieczeństwo w ciągu 4 lat. Nasze obecne przedsięwzięcie ma na celu opracowanie modelu predykcyjnego dla guzków płuc wysokiego ryzyka wykrytych za pomocą LDCT, uwzględniającego biomarkery krwi, czynnościowe i radiomiczne. Wykorzystując biorepozytorium badania BioMILD, bazę danych obrazowych i 20 ksenoprzeszczepów pochodzących od pacjentów (PDX), wykorzystujemy zaawansowane narzędzia sztucznej inteligencji (AI) do kompleksowej analizy. To podejście, obejmujące 400 pacjentów ze stałymi i sublitymi guzkami płuc LDCT, w tym 100 pacjentów z nowotworem zidentyfikowanym na początku badania, ma kluczowe znaczenie.

Łącząc biomarkery krwi, parametry radiologiczne, cechy kliniczne i narzędzia AI, naszym celem jest stworzenie solidnego modelu. Model ten zostanie zweryfikowany na niezależnym zestawie 100 pacjentów (25 z rakiem płuc i 75 bez raka płuc) biorących udział w trwającym badaniu przesiewowym SMILE. Naszą wizją jest, jeśli się powiedzie, przyszłe wdrożenie tego panelu w kontekstach klinicznych, w których okaże się on korzystny. Naszą misją jest zmniejszenie śmiertelności z powodu raka płuc, optymalizacja interwencji w zakresie badań przesiewowych za pomocą nowatorskich, nieinwazyjnych narzędzi dla wszystkich osób z grupy wysokiego ryzyka, przy jednoczesnej minimalizacji kosztów i szkód związanych z narażeniem na promieniowanie.

Cel 1 Ocena klasyfikatora sygnatury immunologicznej (ISC) na próbkach komórek jednojądrzastych krwi obwodowej (PBMC) pobranych z wykrytych metodą przesiewową stałych i półstałych guzków płuc LDCT oraz integracja ISC z istniejącymi biomarkerami, takimi jak test MSC i białko c-reaktywne (cRP).

Cel 2 Ocena cech radiologicznych i innych markerów LDCT związanych z chorobami układu oddechowego i sercowo-naczyniowego.

Cel 3 Opracowanie klasyfikatora ryzyka z wykorzystaniem narzędzi AI w oparciu o kombinację biomarkerów krwi, danych obrazowych i klinicznych w celu poprawy czułości badań przesiewowych LDCT i pozytywnej wartości predykcyjnej.