Vědci využili 24 údajů z běžných krevních testů a další základní informace o pacientovi a pomocí strojového učení vytvořili model, který by mohl pomoci odhadnout riziko rakoviny žaludku. Analyzovali data více než 300 000 lidí. Může pomoci lékařům lépe rozhodovat o tom, koho poslat na endoskopii, a omezit tak zbytečná vyšetření.
Problém je, že rakovina žaludku se v počátečních stadiích nemusí projevovat nijak nápadně. Vědci proto hledají způsoby, jak vytipovat pacienty, u nichž by bylo vhodné provést podrobnější vyšetření. Nová studie publikovaná v časopise npj Digital Medicine ukazuje, že určitou nápovědu by mohly nabídnout i běžné laboratorní testy.
Krev může ukázat víc než jednu hodnotu
Výzkumníci z Hongkongu analyzovali zdravotní data stovek tisíc lidí s dlouhodobými zažívacími obtížemi. Zaměřili se na výsledky běžných krevních vyšetření, která lékaři používají při posuzování celkového zdravotního stavu – například krevního obrazu nebo testů jater a ledvin.
Zajímavé přitom není to, že by některá jediná hodnota v krvi spolehlivě ukázala na rakovinu žaludku. Důležitá je jejich kombinace.
Výzkumníci proto využili metody strojového učení, které dokážou hledat souvislosti mezi velkým množstvím údajů. Model pracoval s 24 hodnotami z běžných laboratorních vyšetření provedených v hongkongských nemocnicích a klinikách a také s věkem a pohlavím pacienta. Z výsledků pak vypočítal odhad rizika rakoviny žaludku.
Pozornost si zaslouží i hodnoty, které jsou „v normě“
Jedním ze zajímavých zjištění studie je, že některé změny mohou být důležité, i když jednotlivé výsledky ještě nepřekračují běžné referenční rozmezí.
Výzkumníci například upozorňují na kombinaci postupného poklesu hemoglobinu a nárůstu počtu krevních destiček. Význam může mít také změna šíře distribuce červených krvinek, označovaná zkratkou RDW.
Pro pacienta to může znít překvapivě. Pokud laboratorní výsledek vyjde „v normě“, obvykle se tím nic dalšího neřeší. Jenže laboratorní diagnostika není vždy tak jednoduchá. Lékaře může zajímat nejen to, zda je konkrétní hodnota nad nebo pod stanovenou hranicí, ale také jak se mění v čase a jak souvisí s ostatními výsledky.
Právě zde může pomoci počítačová analýza velkého množství dat. Člověk může jen obtížně posuzovat desítky parametrů současně a hledat mezi nimi složitější souvislosti. Algoritmus je dokáže vyhodnotit najednou.
Kdo by měl jít na gastroskopii?
Cílem nové metody není nahradit gastroskopii. Ta zůstává důležitým vyšetřením, pokud má lékař podezření na onemocnění žaludku. Při gastroskopii lze žaludek přímo prohlédnout a v případě potřeby odebrat vzorek tkáně k histologickému vyšetření.
Problémem je, že provést gastroskopii každému člověku s trávicími obtížemi není praktické. Vyšetření je invazivní, vyžaduje čas a zdravotnické kapacity. Smyslem modelu proto není říct „rakovinu máte“ nebo „rakovinu nemáte“, ale pomoci lékaři rozhodnout, u koho by mělo mít další vyšetření přednost.
A právě tady byly výsledky studie zajímavé. V ověřovací skupině mělo rakovinu žaludku celkem 2,3 % pacientů. Model je rozdělil do tří skupin podle odhadovaného rizika. V nízkorizikové skupině byla rakovina zjištěna u 0,3 % lidí, ve středně rizikové u 1,9 % a ve vysokorizikové skupině už u 14 % pacientů.
Jinými slovy: ze skupiny, která podle modelu vyšla jako vysoce riziková, bylo možné vybrat podstatně více pacientů s rakovinou než při náhodném výběru.
Co ukázalo srovnání s nádorovými markery?
Výzkumníci svůj model porovnávali také s nádorovými markery CEA a CA 19-9, které se používají mimo jiné při vyšetřování některých nádorových onemocnění.
Výsledky byly pro běžné krevní testy zajímavé. Model založený na rutinních laboratorních výsledcích zachytil v ověřovací skupině 1 276 z 2 066 případů rakoviny žaludku. Pro srovnání marker CEA zachytil 102 případů a CA 19-9 42 případů.
To ale neznamená, že běžný krevní obraz je lepším „testem na rakovinu“ než nádorové markery. Studie porovnávala různé přístupy k vyhledávání rizikových pacientů a výsledky nelze interpretovat jako doporučení nahradit jeden konkrétní test jiným.
Výhodou nového přístupu je především to, že využívá vyšetření, která už pacient často absolvuje. Není tedy nutné kvůli samotnému odhadu rizika zavádět nový speciální biomarker.
Když počítač pomůže najít souvislosti
Studie je zajímavá také z širšího pohledu na budoucnost laboratorní diagnostiky. Umělá inteligence a strojové učení nemusí nutně znamenat nové drahé laboratorní testy. Někdy mohou pomoci lépe využít data, která už zdravotnictví má.
Na běžnou preventivní prohlídku to zatím není
Výsledky jsou slibné, ale není možné z nich vyvozovat, že si člověk může nechat udělat běžný krevní obraz a zjistit, zda má rakovinu žaludku.
Studie byla retrospektivní a pracovala se zdravotními záznamy pacientů z Hongkongu. Model byl vytvořen pro pacienty s chronickými zažívacími obtížemi a jeho účelem je pomoci při rozhodování o dalším vyšetření. Autoři zároveň upozorňují na potřebu dalšího ověření v budoucích studiích. (Nature)
Pro českého pacienta tak zatím zůstává hlavní poselství jiné: výsledek laboratorního vyšetření je potřeba posuzovat v souvislostech. Jedna hodnota sama o sobě nemusí znamenat mnoho. Naopak opakované změny několika parametrů mohou být důvodem, proč lékař doporučí další vyšetření.
A právě v tom může mít laboratorní diagnostika v budoucnu ještě větší význam. Nejen v odhalování toho, co už je nemocné, ale také v rozpoznání lidí, u nichž je vhodné hledat problém dříve, než se onemocnění projeví naplno.
Zdroj