Model predykcji ryzyka zmian nowotworowych głowy i szyi oparty na uczeniu maszynowym (ML-HNC-Risk)

Zdrowie głosu stało się istotnym wyzwaniem w dziedzinie zdrowia publicznego. Fonacja opiera się na precyzyjnej koordynacji nerwowo-mięśniowej i oddechowej, procesie fizjologicznym często zaburzonym przez ogólnoustrojowe starzenie, wielochorobowość i degenerację nerwowo-mięśniową. Ta złożona patofizjologiczna interakcja sprawia, że kliniczne rozróżnienie wczesnych stadiów nowotworów krtani od powszechnych łagodnych zaburzeń głosu (np. torbieli fałdów głosowych, ziarniniaków wyrostka głosowego i obrzęku Reinkego) jest niezwykle trudne. Ponieważ obie jednostki chorobowe zwykle objawiają się niespecyficzną chrypką lub uczuciem guza w gardle, trudność wczesnego przesiewu i dokładnej diagnozy różnicowej jest znacznie zwiększona.

Obecnie diagnoza zaburzeń głosu w dużej mierze opiera się na laryngoskopii. Jednak ze względu na nierównomierny rozkład zasobów medycznych, podstawowa i środowiskowa opieka zdrowotna zazwyczaj nie dysponuje skutecznymi narzędziami przesiewowymi do wykrywania nowotworów krtani podczas wstępnych konsultacji, co często prowadzi do opóźnionego kierowania pacjentów wysokiego ryzyka. Ponadto istnieje znaczna różnica w umiejętnościach interpretacji endoskopowej na różnych poziomach opieki zdrowotnej. Cechy wizualne niektórych zmian przednowotworowych (takich jak dysplastyczna leukoplakia) i wczesnych stadiów nowotworów w dużym stopniu się nakładają, co skutkuje wysokim ryzykiem przeoczenia diagnozy lub niepotrzebnych biopsji zmian łagodnych. Dlatego systematyczne włączenie wielowymiarowych wskaźników – w tym danych demograficznych (np. wieku), historii palenia i spożycia alkoholu oraz objawów klinicznych – do oceny ryzyka ma kluczowe znaczenie dla wczesnego wykrywania nowotworów i optymalnej alokacji zasobów opieki zdrowotnej.

W ostatnich latach sztuczna inteligencja (AI) oparta na głębokim uczeniu wykazała ogromny potencjał w ekstrakcji cech z obrazów medycznych, będąc w stanie wychwycić subtelne tekstury morfologiczne niewidoczne dla ludzkiego oka. Jednak onkogeneza i progresja nowotworów krtani są napędzane przez zbieg wielowymiarowych czynników. W obliczu złożonych, rzeczywistych scenariuszy klinicznych, jednomodalne modele obrazowania często cierpią na zmniejszoną ogólność i podwyższone wskaźniki fałszywie pozytywnych wyników z powodu braku kontekstu demograficznego, objawowego i ekspozycji behawioralnej pacjenta. Podejmowanie decyzji klinicznych w rzeczywistych warunkach nie jest odosobnionym zadaniem interpretacji obrazu; raczej wymaga systematycznej integracji cech wizualnych z wielowymiarowymi metadanymi klinicznymi. Opracowanie inteligentnej ramy diagnostycznej zdolnej do fuzji danych multimodalnych jest zatem niezbędne do przezwyciężenia wąskich gardeł aplikacyjnych obecnych jednomodalnych narzędzi obrazowania AI.

W odpowiedzi na te kliniczne punkty bólowe i ograniczenia techniczne, niniejsze badanie wykorzystało krajową wieloośrodkową kohortę obejmującą około 11 000 pacjentów z zaburzeniami głosu do opracowania i walidacji dwuetapowej, multimodalnej ramy stratyfikacji ryzyka i diagnostyki AI. W pierwszym etapie, poprzez integrację cech demograficznych, ekspozycji behawioralnych i objawów klinicznych, badacze opracowali nieinwazyjny, niskokosztowy Model Przesiewowy Kliniczny. To narzędzie ma na celu zapewnienie podstawowej opieki zdrowotnej i pacjentom natychmiastowego, efektywnego systemu wczesnego ostrzegania przed nowotworami. W drugim etapie, bazując na tej wstępnej stratyfikacji ryzyka, badacze wykorzystali algorytmy głębokiego uczenia do ekstrakcji mikroskopijnych cech wizualnych z obrazów endoskopowych, tworząc Wielomodalny Model Diagnostyczny. Ten model osiąga precyzyjną wieloklasową klasyfikację między nowotworami krtani, powszechnymi łagodnymi zmianami fałdów głosowych i normalną anatomią krtani. Ponadto badacze wdrożyli internetową aplikację opartą na chmurze, aby ułatwić szacowanie ryzyka w czasie rzeczywistym.

Ostatecznie, dostarczając to kliniczne asystent diagnostyczny AI, niniejsze badanie ma na celu optymalizację hierarchicznych ścieżek przesiewu i diagnostyki zaburzeń głosu, umożliwiając tym samym lekarzom rodzinnym i podstawowym otolaryngologom poprawę jakości podejmowania decyzji klinicznych i dokładności diagnostycznej.