PanMETAI - wysoko wydajny model podstawowy dla danych tabelarycznych do dokładnej diagnostyki raka trzustki za pomocą metabolomiki NMR

Dlaczego wczesne wykrycie tego nowotworu ma znaczenie

Rak trzustki należy do najbardziej śmiertelnych nowotworów głównie dlatego, że zwykle wykrywany jest zbyt późno, gdy operacja i inne terapie mają niewielkie szanse powodzenia. Obecne testy krwi nie wykrywają wielu wczesnych przypadków lub generują fałszywe alarmy. W tym badaniu opisano nowy, nieinwazyjny test krwi o nazwie PanMETAI, łączący zaawansowaną chemię i sztuczną inteligencję, który pozwala wykrywać raka trzustki wcześniej i dokładniej, wykorzystując jedynie niewielką próbkę krwi.

Przekształcanie chemii krwi w odcisk nowotworu

Naukowcy skupili się na gruczolakoraku przewodowym trzustki (PDAC), najczęstszej i najgroźniejszej postaci raka trzustki. Zamiast polegać na jednym czy dwóch tradycyjnych markerach, takich jak powszechnie stosowany CA19-9, przyjęli panoramiczne spojrzenie na krew. Wykorzystując wysokorozdzielczą protonową spektroskopię magnetycznego rezonansu jądrowego (1H NMR), zarejestrowali tysiące sygnałów pochodzących z małych cząsteczek i lipidów krążących w surowicy. Te niewidoczne wzorce chemiczne, wraz z wiekiem, CA19-9 i białkiem o nazwie Aktywina A, tworzą metaboliczny „odcisk palca”, który potrafi rozróżnić osoby z PDAC od osób wysokiego ryzyka, ale wolnych od raka.

Nauczanie inteligentnego modelu odczytywania sygnałów

Aby zrozumieć te ogromne zbiory danych, zespół porównał kilka podejść uczenia maszynowego, w tym maszyny wektorów nośnych, zautomatyzowany zestaw modeli AutoGluon oraz nowy system oparty na transformatorach znany jako TabPFN. Modele trenowano i stroili na próbkach krwi od 350 osób z Tajwanu, starannie dzieląc dane na zestawy treningowe, walidacyjne i ślepe testy, aby naśladować rzeczywistą diagnostykę. Choć wszystkie metody radziły sobie dobrze, wyróżnił się TabPFN. Ostateczny model oparty na TabPFN, nazwany PanMETAI, zintegrował wybrane sygnały NMR, wiek, CA19-9 i Aktywinę A w jedną decyzję, osiągając niemal doskonałą zdolność rozdzielenia pacjentów z rakiem od osób bez raka w kohortach tajwańskich.

Wysoka dokładność na różnych stadiach i w różnych krajach

PanMETAI osiągnął pole pod krzywą (AUC) równe 0,99 w tajwańskim ślepym zestawie testowym, co świadczy o niezwykle wysokiej dokładności diagnostycznej. Co ważne, model był skuteczny nie tylko w zaawansowanych nowotworach, lecz także w chorobie we wczesnym stadium (I/II), gdzie wykrycie ma największą wartość. Model przetestowano także na niezależnej grupie 322 osób z Litwy, populacji o innym stylu życia i systemie opieki zdrowotnej. Tam osiągnął AUC 0,93, z wysoką czułością i swoistością, utrzymując dobrą skuteczność nawet przy rozważaniu jedynie pacjentów we wczesnym stadium. System działał zaskakująco dobrze także przy trenowaniu na stosunkowo niewielkich liczbach pacjentów, co sugeruje, że mógłby zostać wdrożony w szpitalach bez dostępu do bardzo dużych zbiorów danych.

Co chemia krwi ujawnia o chorobie

Ponad samą dokładność, naukowcy zastanawiali się, które elementy odcisku krwi mają największe znaczenie. Analizując piki NMR, na których opierał się model, oraz stosując narzędzie wyjaśniające SHAP, wyróżnili konkretne metabolity i lipoproteiny, które zmieniają się w przebiegu choroby. Pacjenci we wczesnym stadium wykazywali niższe poziomy „dobrego” cholesterolu HDL i aminokwasu glutaminy, a jednocześnie wyższe poziomy glukozy, kwasu mlekowego, kwasu glutaminowego, ornityny oraz związku TMAO. Zmiany te odpowiadają ścieżkom energetycznym i przemiany aminokwasów wykorzystywanym przez komórki nowotworowe do wzrostu i przetrwania. Analizy sieci i szlaków potwierdziły, że zmienione wykorzystanie cukrów, przetwarzanie tłuszczów i metabolizm aminokwasów są ściśle powiązane z biologią raka trzustki, co nadaje biologiczną wiarygodność wyborom AI.

Krok w stronę praktycznego wczesnego przesiewu

Dla osoby nietechnicznej kluczowa wiadomość jest taka: PanMETAI zamienia rutynowe pobranie krwi w bogaty chemiczny „moment” i wykorzystuje potężny model AI do odczytania tego obrazu jak kod kreskowy raka trzustki. Działa lepiej niż obecne testy krwi, sprawdza się w różnych krajach i może być trenowany przy umiarkowanej liczbie pacjentów. Choć nadal potrzebne są większe, prospektywne badania przed szerokim zastosowaniem, podejście to wskazuje kierunek dla przyszłych narzędzi przesiewowych, które mogłyby wykrywać raka trzustki wcześniej, gdy leczenie ratujące życie jest wciąż możliwe.

Cytowanie: Wu, DN., Jen, J., Fajiculay, E. et al. PanMETAI - a high performance tabular foundation model for accurate pancreatic cancer diagnosis via NMR metabolomics. Nat Commun 17, 1595 (2026). https://doi.org/10.1038/s41467-026-69426-9

Słowa kluczowe: rak trzustki, wczesne wykrywanie, metabolomika, sztuczna inteligencja, badanie krwi