S preiskavami krvi do odkrivanja možganskih tumorjev

Skupina strokovnjakov zagonskega podjetja Smart Blood Analytics Swiss SA (SBAS), s katero sta sodelovala dr. Simon Podnar iz Univerzitetnega kliničnega centra Ljubljana in dr. Matjaž Kukar s Fakultete za računalništvo in informatiko Univerze v Ljubljani, je razvila metodo, ki omogoča diagnosticiranje možganskih tumorjev na podlagi rezultatov običajnih krvnih preiskav.

S strojnim učenjem so analizirali podatke, ki jih na Nevrološki kliniki UKC Ljubljana pridobivajo ob običajni diagnostiki možganskih tumorjev. Ti podatki vključujejo slikovne preiskave glave in krvne preiskave. Računalnik se je na podlagi algoritmov naučil prepoznati krvne vzorce pacientov z možganskimi tumorji.

Raziskava, ki jo je Javna agencija za raziskovalno dejavnost RS (ARRS) izbrala v projektu Odlični v znanosti, temelji na predhodnih rezultatih zagonskega podjetja SBAS. Ti so pokazali, da je mogoče ob ustrezno kakovostnih podatkih, pridobljenih z običajnimi krvnimi preiskavami, z uporabo strojnega učenja diagnosticirati številne bolezni.

Umetna inteligenca je samo orodje, kot kladivo

Umetna inteligenca v medicini

Uporaba strojnega učenja oziroma uporaba umetne inteligence v medicini ni nekaj novega. »S tem se v Sloveniji ukvarjamo več kot tri desetletja, sam pa sem na tem pod­ročju dejaven dobrih dvajset let. V tem času smo na nekaterih ozkih področjih že dosegali zelo dobre rezultate. Ko je dr. Podnar predlagal, da bi raziskali, ali je na podlagi podatkov iz krvnih preiskav mogoče diagnosticirati možganske tumorje, smo izziv z veseljem sprejeli,« je povedal dr. Kukar. Pri strojnem učenju s pomočjo algoritma in računalnika iz ustreznih podatkov pridobijo novo znanje in oblikujejo model. »V konkretnem primeru na podlagi rezultatov krvnih preiskav diagnosticiramo možganske tumorje. Seveda to ne pomeni, da bi lahko računalnik pri postavljanju diagnoze nadomestil zdravnika. Informacija, ki jo ponudi, je le dodatno, močno orodje pri diagnostiki, saj pacient ni samo množica številk, ampak ga je treba obravnavati v kontekstu klinične slike,« je pojasnil dr. Kukar.

»Seveda to ne pomeni, da bi lahko računalnik pri postavljanju diagnoze nadomestil zdravnika. Informacija, ki jo ponudi, je le dodatno, močno orodje pri diagnostiki,« poudarja dr. Matjaž Kukar. FOTO: Željko Stevanić, Ifp, d. o. o.

Ideja, da bi možganske tumorje diagnosticirali iz rezultatov rutinskih krvnih preiskav, se zdi precej nenavadna in vsekakor ni način, ki bi ga uporabljali v običajni klinični praksi. A dr. Podnar je povedal, da so se v podjetju SBAS, ki ga vodi dr. Marko Notar, z njimi pa sodelujeta tudi oba naša sogovornika, že ukvarjali s podobnimi študijami. »Ko smo z algoritmom, ki so ga razvili v SBAS, analizirali nekatere izbrane podatke krvnih preiskav z Nevrološke klinike, smo bili nad rezultati presenečeni. Izkazalo se je, da je bil sposoben pravilno postaviti številne diagnoze. Posebej smo bili presenečeni, kako natančen je bil pri diagnostiki možganskih tumorjev.«

A kakšne so koristi takšne diag­nostike z uporabo strojnega učenja? Vedeti moramo, da je diagnosticiranje možganskih tumorjev zaradi njihove redkosti in predvsem v zgodnjem obdobju neznačilne klinične slike zelo zahtevno. »Poleg glavobolov lahko možganski tumorji povzročajo na primer spremembe vedenja, kognitivne motnje, nespretnost roke ali noge, morda pacient malce težje hodi ali govori. Običajno je osnova za postavitev diagnoze slikovna preiskava, največkrat CT-slikanje glave. To je po eni strani za paciente obremenjujoče, saj gre za ionizirajoče sevanje, po drugi strani pa tudi ni ravno poceni. Zaradi netipičnih simptomov moramo namreč slikati veliko število pacientov, da med njimi najdemo tiste redke, ki dejansko imajo možganski tumor. CT-slika tudi pogosto pokaže spremembe na možganih, ki jih je težko opredeliti, zato morajo kirurgi odvzeti košček tkiva za analizo, ki pokaže, ali gre pri spremembi za primarni tumor možganov, za zasevek ali drugo vrsto spremembe. Glede na to, da pri številnih od teh pacientov že tako jemljemo vzorce krvi, bi bilo bolj preprosto že pred slikanjem opraviti analizo krvnih izvidov s ciljem prepoznave tistih z možganskim tumorjem. Tako bi lahko preprečili marsikatero nepotrebno slikanje glave, v nekaterih primerih pa celo poseg v glavi.« Prav tako je spodbudno, da so z metodo diagnostike možganskih tumorjev na podlagi običajnih krvnih preiskav odkrili tudi že zelo majhne tumorje. »Najmanjši je bil velik le nekaj milimetrov in takšnega je tudi na CT-sliki težko prepoznati. To pomeni, da metoda omogoča tudi zelo zgodnje odkrivanje možganskih tumorjev. Takšni tumorji se pogosto javijo z epileptičnim napadom,« je še raz­ložil dr. Podnar.

»Ko smo z algoritmom analizirali nekatere izbrane podatke krvnih preiskav z Nevrološke klinike, smo bili nad rezultati presenečeni. Posebej smo bili presenečeni, kako natančen je bil pri diagnostiki možganskih tumorjev,« pravi dr. Simon Podnar. FOTO: Tina Ramujkič

Osnova je dober model

Uspešnost metode je odvisna predvsem od priprave modela oziroma algoritma, ki bo analiziral podatke, ter seveda od samih podatkov, ki morajo biti kakovostni in dovolj obsežni, da lahko program iz njih izlušči ustrezne vzorce. »Bolj kot priprava modela oziroma algoritma je dolgotrajno in mukotrpno urejanje vhodnih podatkov, ki jih potrebujemo za želene analize. Bolnišnični informacijski sistemi namreč niso namenjeni in priprav­ljeni za tovrstno obdelavo podatkov. Poleg tega imajo lahko različni laboratoriji različne aparature, načine merjenja in oznake za iste krvne parametre. Zaradi tega smo pri analizi naleteli na številne, za strojno učenje problematične nedoslednosti v podatkih. Te je bilo treba vnaprej odkriti in ustrezno obravnavati z naprednimi analitičnimi metodami,« je pojasnil dr. Kukar in dodal, da so model zgradili na retrospektivnih podatkih, ki so jih na Nevrološki kliniki pridobili v letih 2012–2017. V drugem naboru so uporabili retrospektivne podatke, pridobljene pri kliničnem delu v letih 2016 in 2018. Uporabili so lahko le podatke pacientov, ki so opravili CT-slikanje glave in rutinske preiskave krvi. Ugotovili so, da je občutljivost metode 96-odstotna, kar je podobno občutljivosti slikovnih preiskav.

Metodo strojnega učenja je mogoče uporabiti za diagnostiko številnih bolezni, ne le možganskih in drugih tumorjev, seveda ob pogoju, da je na voljo dovolj ustreznih podatkov. »Med drugim je podjetje SBAS razvilo algoritem za prepoznavanje simptomatskih pacientov s covidom-19 zgolj na podlagi nabora 35 krvnih paramet­rov. Pokazalo se je, da je algoritem zelo uspešen. Še več, z njim je bilo mogoče celo napovedati, kateri pacienti bodo imeli težji potek bolezni, ki bo zahtevala hospitalizacijo v enoti intenzivne terapije. Povedano drugače, če bi vsem, ki so prišli v slovenske bolnišnice zaradi okužbe s covidom-19, odvzeli kri, bi z analizo po omenjeni metodi lahko ocenili, koga med njimi je bolje zadržati na zdravljenju, ker bo verjetno potreboval intenzivno terapijo, in koga bi lahko poslali v domačo oskrbo. Žal algoritem ni bil uporabljen,« je pojasnil dr. Podnar in navedel še en primer mogoče uporabe metode v nevrologiji.

»Recimo, da na urgenco pride pacient z nenadnim hudim glavobolom, za katerega je lahko več vzrokov. Eden od njih je subarahnoidna krvavitev, pri kateri poči drobna žilica ob možganih, zaradi česar kri zalije tekočino, ki obliva možgane. To je zelo resno, potencialno smrtno stanje, posebno če ga ne prepoznamo pravočasno. Lahko gre za majhno, neproblematično krvavitev, ki pa ji v nekaj dneh ali tednih sledi hujša, morda celo smrtna. Zdaj vse paciente z nenad­nim glavobolom slikamo s CT. Če je izvid slikanja negativen in ne pokaže krvi v možganski tekočini, pacienta še lumbalno punktiramo – z iglo iztočimo manjšo količino možganske tekočine in preverimo prisotnost krvi. Z metodo diagnosticiranja na podlagi krvnih pre­iskav bi lahko mnogim pacientom prihranili neprijeten poseg, hkrati pa bi hitra diagnoza povečala stop­njo preživetja, zlasti v primerih, ko ob pregledu zdravnik ni pomislil na možgansko anevrizmo. Spomnim se primera pacienta, ki sploh ni imel glavobola, ampak je začutil zgolj rahel pok v glavi. K sreči smo ga slikali in je imel res subarahnoidno krvavitev.«

Inovativni invalidski vozički za vključujočo družbo

Opisana raziskava predstavlja novo paradigmo v diagnostiki možganskih tumorjev. Rezultati nedvoumno kažejo, da lahko z metodo strojnega učenja interpretiramo rezultate krvnih preiskav na način, ki se je še pred kratkim zdel nepredstavljiv. Podjetje Smart Blood Analytics Swiss SA na tem področ­ju v svetovnem merilu orje ledino. Takšne raziskave nedvoumno kažejo, da rezultati krvnih preiskav nosijo bistveno več informacij, kot smo jih bili doslej sposobni uporabiti. Zmotno je mnenje, da umetna inteligenca v medicini nadomešča ali izpodriva vlogo zdravnika. Nasprotno, produkti umetne inteligence v medicini so zlasti danes, ko je covid-19 dodobra načel svetovne zdravstvene sisteme, zdravnikov in pacientov veliki zaveznik.