Tο πρώτο παγκοσμίως μοντέλο τεχνητής νοημοσύνης (AI) που έχει σχεδιαστεί για να ταξινομεί τόσο το στάδιο καρκίνου όσο και την κατηγορία κινδύνου του καρκίνου του θυρεοειδούς, επιτυγχάνοντας εντυπωσιακή ακρίβεια που υπερβαίνει το 90% παρουσίασε μια διεπιστημονική ερευνητική ομάδα από το Χονγκ Κονγκ και το Λονδίνο.
Αυτό το καινοτόμο μοντέλο τεχνητής νοημοσύνης υπόσχεται να μειώσει σημαντικά το χρόνο προετοιμασίας των κλινικών ιατρών πρώτης γραμμής κατά περίπου 50%.
Τα ευρήματα δημοσιεύονται στο περιοδικό npj Digital Medicine, και η ομάδα περιλαμβάνει ερευνητές από την Ιατρική Σχολή LKS του Πανεπιστημίου του Χονγκ Κονγκ , το InnoHK Laboratory of Data Discovery for Health και τη Σχολή Υγιεινής και Τροπικής Ιατρικής του Λονδίνου (LSHTM).
Ο καρκίνος του θυρεοειδούς συγκαταλέγεται στους πιο συχνούς παγκοσμίως. Η ακριβής διαχείρισή του βασίζεται κυρίως σε δύο συστήματα:
- Την 8η έκδοση του συστήματος TNM (Tumor-Node-Metastasis) της Αμερικανικής Μικτής Επιτροπής για τον Καρκίνο (AJCC)
- Το σύστημα ταξινόμησης κινδύνου της Αμερικανικής Εταιρείας Θυρεοειδούς (ATA).
Αυτά τα συστήματα είναι κρίσιμα για την πρόβλεψη της επιβίωσης των ασθενών και για την καθοδήγηση των αποφάσεων θεραπείας. Ωστόσο, η χειροκίνητη ανάλυση των κλινικών δεδομένων και η ενσωμάτωσή τους σε αυτά τα συστήματα μπορεί να είναι χρονοβόρα και αναποτελεσματική.
Η ερευνητική ομάδα ανέπτυξε έναν βοηθό ΤΝ που αξιοποιεί μεγάλα γλωσσικά μοντέλα (LLMs) όπως τα ChatGPT και DeepSeek, για να αναλύσει κλινικές μελέτες και να ενισχύσει την ακρίβεια και την αποτελεσματικότητα στην ταξινόμηση σταδίου και κινδύνου του καρκίνου του θυρεοειδούς.
Το μοντέλο βασίζεται σε τέσσερα ανοιχτού κώδικα offline LLM—Mistral (Mistral AI), Llama (Meta), Gemma (Google) και Qwen (Alibaba)—και εκπαιδεύτηκε με δεδομένα ανοιχτής πρόσβασης από το Cancer Genome Atlas Program (TCGA), αναλύοντας αναφορές παθολογίας από 50 ασθενείς, με περαιτέρω επικύρωση σε δεδομένα 289 ασθενών και 35 «ψευδοπεριπτώσεων».
Συνδυάζοντας τα αποτελέσματα των τεσσάρων μοντέλων, η ομάδα πέτυχε συνολική ακρίβεια 88,5% στην ταξινόμηση ATA και 92,9%–98,1% στην ταξινόμηση AJCC. Συγκριτικά με την παραδοσιακή χειροκίνητη ανάλυση, η νέα προσέγγιση μειώνει τον χρόνο προετοιμασίας των γιατρών κατά το ήμισυ.
«Το μοντέλο μας επιτυγχάνει ακρίβεια άνω του 90% στην ταξινόμηση του σταδίου και του κινδύνου του καρκίνου του θυρεοειδούς. Το κύριο πλεονέκτημα είναι η offline λειτουργία του, που επιτρέπει την τοπική εφαρμογή χωρίς την ανάγκη διαμοιρασμού ευαίσθητων δεδομένων», εξήγησε ο καθηγητής Τζέφρι Γου, Διευθυντής του InnoHK D24H και Καθηγητής Δημόσιας Υγείας στο HKUMed.
Πρόσθεσε επίσης ότι σε συγκριτικές δοκιμές με τα νέα DeepSeek R1, V3 και GPT-4o, το μοντέλο απέδωσε εξίσου καλά.
Μόλις επιβεβαιωθεί η αποτελεσματικότητά του, το μοντέλο θα είναι έτοιμο για ευρεία εφαρμογή σε νοσοκομεία και ιατρικά κέντρα, ενισχύοντας την αποδοτικότητα και την ποιότητα της περίθαλψης.
Πηγή: MedicalXpress
