Tekuća biopsija se nameće kao novi standard u dijagnostici i praćenju tijeka malignih bolesti. Iz znanstvenih laboratorija prelaze u kliničku primjenu i mnoštvo novih kliničkih studija.
O tome razgovaramo s doc. dr. sc. Draganom Trivanovićem, voditeljem Odjela internističke onkologije s hematologijom OB Pula.
– Maligne bolesti su danas vodeći uzrok smrtnosti u razvijenom svijetu. Znanstvena predviđanja ukazuju na porast obolijevanja i smrtnosti u narednom desetljeću. Razlozi su nedovoljno razjašnjeni patofiziološki mehanizmi razvoja raka. Ali i zakašnjelo otkrivanje, pojava tumorske evolucije i posljedične otpornosti na inicijalni dobar odgovor na citostatike.
Novi lijekovi protiv raka znatno smanjuju rizik od smrti i progresije tumora. Još uvijek ne možemo biti zadovoljni s preživljenjem bolesnika, kaže doc. dr. sc. Dragan Trivanović, Standardne metode dijagnostike malignih bolesti su vremenski zahtjevne, skupe i često invazivne za bolesnike te ne daju informacije o tumorskoj različitosti unutar tijela.
Otkrivanje bolesti u ranim fazama
Za razliku od njih tekuća biopsija pruža mogućnosti otkrivanja bolesti ili promjene tumora već u ranim fazama bolesti. Tako da osim rane detekcije pruža i priliku otkrivanja tumorske otpornosti na lijek prije nego se ove promjene iskažu u stanju bolesnika.
– Tekuća biopsija, objašnjava doc.dr.sc. Trivanović, uključuje detekciju cirkulirajućih tumorskih stanica, tumorskog genetskog materijala, ekstrastaničnih vezikula ili tumorski povezanih trombocita. Minimalno je invazivna.
Nije ograničena samo na krv nego pruža vrijedne podatke i uzevši uzorke iz urina, sline, izljeva itd. Danas se tekuća biopsija upotrebljava za dijagnostiku genetskih promjena. No, njene se standardizirane i validirane mogućnosti sve više šire. I nameću se kao najveći napredak u dijagnostici i praćenju malignih bolesti.
Pulski projekt
Na nedavnom održanom najvećem onkološkom svjetskom skupu u Chicagu predstavljene su novosti u tehnologiji i primjenama metoda tekućih biopsija u sklopu 80 trenutnih studija koje koriste ili razvijaju ovu metodu.
– Tako su primjerice tvrtke Natera, Angle i Inivata u suradnji sa raznim američkim sveučilištima prezentirale testove u detekciji raka dojke. Tvr Grail, Foundation One, Caris Life Sciences i BioFludica prezentirale svoje pan-cancer (sveobuhvatne) testove u detekciji malignih bolesti u ranom stadiju.
Sveučilište u Puli je upravo dobilo donacije Zaklade Adris za 2022. godinu. Riječ je o projektu detekcije i praćenja dnevnih promjena cirkulirajuće tumorske DNA i pojedinih genskih mutacija. S osobitim osvrtom na bolesnika s rakom pluća koji primaju imunoterapiju. Kao voditelj ovog projekta nadam se da ćemo pridonijeti napretku na ovom izazovnom polju, ističe doc. dr. sc. Trivanović.
Uvođenje umjetne inteligencije
Druga važna novost je uvođenje umjetne inteligencije u dijagnostiku i donošenja odluka kod bolesnika s malignim bolestima. Od rendgenskih snimki cijelih organa do mikroskopskih slika stanica raka liječnici koriste slikovne testove na mnogo načina. Ipak, tijekom proteklih godina istraživači su razvili alate umjetne inteligencije. Oni imaju potencijal učiniti snimanje raka bržim, preciznijim i još informativnijim, naglašava doc.dr.sc. Trivanović.
Sada je moguća dublja karakterizacija tumora putem molekularnog snimanja.
Za odabir liječenja, pronalaženje doze i prikupljanje podataka o metabolizmu tumora putem nuklearne medicine i MR spektroskopije.
Sve precizniji onkološki alati
– Računalni programi koji se temelje na umjetnoj inteligenciji koriste se kao pomoć liječnicima u tumačenju mamografskih snimaka već više od 20 godina, kaže doc.dr.sc. Trivanović. Istraživanja u ovom području ubrzano se razvijaju. Jedna je skupina znanstvenika stvorila algoritam umjetne inteligencije koji može pomoći u određivanju koliko često bi netko trebao ići na pretrage za rak dojke. Model koristi mamografske slike osobe kako bi predvidio rizik od razvoja raka dojke u sljedećih 5 godina. U raznim testovima, model je bio precizniji od trenutnih alata koji se koriste za predviđanje rizika od raka dojke, ističe primjer doc.dr.sc. Trivanović.
Istraživači su također koristili duboko učenje (deep learning), vrstu strojnog učenja, u aplikacijama za snimanje raka. Duboko učenje odnosi se na algoritme koji klasificiraju informacije na način sličan ljudskom mozgu. Alati za duboko učenje koriste “umjetne neuronske mreže” koje oponašaju način na koji naše moždane stanice primaju, obrađuju i reagiraju na signale iz ostatka našeg tijela.
Zagrebački projekt
– Za rak pluća razvijeno je nekoliko modela dubokog učenja koji pomažu liječnicima da pronađu rak pluća na CT snimkama, objašnjava doc. dr. sc. Trivanović.
Neke nekancerogene promjene na plućima izgledaju jako slično, poput raka, na CT snimkama. To dovodi do visoke stope lažno pozitivnih rezultata testova. Oni ukazuju da osoba ima rak pluća iako to zapravo nije slučaj.
Stručnjaci smatraju da umjetna inteligencija može bolje razlikovati rak pluća od nekancerogenih promjena na CT snimkama. Time potencijalno smanjuju broj lažno pozitivnih rezultata i pošteđuju dio ljudi od nepotrebnog stresa, naknadnih testova i postupaka.
Upravo se ova činjenica koristi i u hrvatskom projektu ranog otkrivanja raka pluća pod vodstvom akademika akademika Miroslava Samaržije.
Cilj je identificirati i nevidljive stanice raka
Brojne studije sugeriraju da umjetna inteligencija ima potencijal prikupiti takve prognostičke informacije iz slika s većom točnošću nego što ljudi trenutno mogu. Na primjer, navodi doc.dr.sc. Trivanović, stvoren je model dubokog učenja koji može odrediti vjerojatnost da će pacijentu s rakom mokraćnog mjehura biti potrebni drugi tretmani uz operaciju.
Liječnici procjenjuju da oko 50 posto ljudi s tumorima u mišićima mokraćnog mjehura (mišićno-invazivni rak mokraćnog mjehura) ima nakupine stanica raka koje su se proširile izvan mokraćnog mjehura. No, one su premale da bi se otkrile tradicionalnim alatima. Ako se te skrivene stanice ne uklone, mogu nastaviti rasti nakon operacije, uzrokujući recidiv.
Cilj je upotrijebiti ovaj model prije nego što se pacijenti podvrgnu bilo kakvoj vrsti liječenja, kako bi liječnici mogli donositi točnije odluke.
Prekretnice u onkologiji
Naravno da je važno pitanje da li su odgovori koje nam umjetna inteligencija daje pouzdani.
Očekuje se da će automatizacija uštedjeti vrijeme i troškove, ali to tek treba dokazati.
– Umjetna inteligencija može “vidjeti” stvari koje mi ljudi ne možemo i može pronaći složene obrasce i odnose između vrlo različitih vrsta podataka. Uz provjeru valjanosti kliničke studije također moraju pokazati da alati umjetne inteligencije zapravo pomažu pacijentima, kaže doc. dr. sc. Trivanović. To jest pomažu li bilo ranijim otkrivanjem maligne bolesti, produžavanjem života, poboljšavanjem kvalitete života ili smanjivanjem troškova u zdravstvenom sustavu.
FDA ubrzano odobrava softverske algoritme
Više od 60 softverskih algoritama i medicinskih uređaja temeljenih na umjetnoj inteligenciji dobilo je odobrenje FDA od 2020.. No čak i nakon što su odobreni algoritmi strojnog učenja se unapređuju kako su izloženi novim podacima.
Također, postoji zabrinutost da bi umjetna inteligencija mogla pogoršati razlike u zdravstvenim ishodima između privilegiranih i zapostavljenih skupina. I to pogoršanjem predrasuda koje su već ugrađene u naš medicinski sustav i istraživačke procese.
Unatoč tim zabrinutostima, doc.dr.sc. Trivanović kaže kako je većina istraživača optimistična glede budućnosti tekućih biopsija i umjetne inteligencije u onkologiji.
Znanstvenici koji se bave razvijanjem i validiranjem ovih metoda smatraju da će one na kraju biti uvedene u kliniku jer su rezultati značajno bolji od postojećih.
