Inteligentne Wsparcie dla Radiologicznego Opisywania Nowotworów Płuc (SPOILERS)

Rak płuca jest jednym z najczęstszych nowotworów i ma jedno z najgorszych rokowan, głównie z powodu trudności we wczesnej diagnozie. W Polsce szacuje się, że każdego roku występuje około 41 000 nowych przypadków, a w 2021 roku choroba była odpowiedzialna za około 34 000 zgonów. Wpływ społeczny jest znaczący, ponieważ choroba jest często diagnozowana w zaawansowanym stadium, gdy szanse na przeżycie są zmniejszone: 5-letnie przeżycie wynosi około 18% w zaawansowanych stadiach, podczas gdy może osiągnąć 90%, jeśli zostanie zdiagnozowana we wczesnym stadium.

Wczesny rak płuca objawia się głównie w postaci guzków płucnych, które można wykryć za pomocą tomografii komputerowej (TK). Jednak diagnoza tych guzków często wymaga inwazyjnych procedur, takich jak bronchoskopia, biopsja igłowa pod kontrolą TK lub biopsje chirurgiczne, które wpływają na jakość życia pacjentów i koszty opieki zdrowotnej. Z tego powodu zdolność do dokładnego odróżnienia guzków łagodnych od złośliwych jest kluczowym tematem w badaniach klinicznych.

W ostatnich latach sztuczna inteligencja, szczególnie techniki głębokiego uczenia, wykazała znaczny potencjał we wspieraniu badań przesiewowych TK. Wyniki pokazują, że AI może osiągnąć wydajność przewyższającą pojedynczych radiologów i porównywalną z multidyscyplinarnym zespołem, wykorzystując raporty histologiczne jako referencję diagnostyczną. Potwierdza to wartość AI jako narzędzia wspierającego podejmowanie decyzji klinicznych.

Biorąc pod uwagę multimodalny charakter danych klinicznych (obrazy, raporty tekstowe, badania diagnostyczne), rośnie zainteresowanie modelami zdolnymi do integracji wielu źródeł informacji. W tym kontekście projekt badawczy ma na celu opracowanie systemu zdolnego do automatycznego rozpoznawania guzków płucnych i generowania opisów tekstowych w języku naturalnym dotyczących wyników.