Przewidywanie stadium raka płuca w chwili rozpoznania na podstawie samoopisanych objawów i czynników tła z użyciem modeli uczenia maszynowego

Dlaczego wczesne wykrycie raka płuca jest tak trudne

Rak płuca należy do najbardziej śmiertelnych nowotworów głównie dlatego, że często jest wykrywany zbyt późno, gdy możliwości leczenia są ograniczone. Tymczasem wielu chorych ma objawy przed i w chwili rozpoznania — takie jak kaszel, duszność, uczucie zmęczenia czy utrata masy ciała — które teoretycznie mogłyby wcześniej zwrócić uwagę lekarzy. W tym badaniu postawiono proste, lecz istotne pytanie: jeśli pacjenci systematycznie zgłaszają swoje objawy i dane tła w szczegółowy sposób, czy komputery potrafią rozpoznać, kto prawdopodobnie ma raka płuca i czy choroba jest we wczesnym, czy w zaawansowanym stadium?

Słuchając relacji samych pacjentów

Naukowcy obserwowali 486 osób skierowanych do poradni specjalistycznej w Sztokholmie, ponieważ lekarze podejrzewali u nich raka płuca. Wszyscy wypełnili szczegółowy elektroniczny kwestionariusz na tablecie o nazwie PEX-LC. Zawierał on informacje o 57 czynnikach tła (takich jak wiek, palenie papierosów, sytuacja mieszkaniowa i przebyte choroby płuc) oraz ponad 100 możliwych objawów — od problemów z oddychaniem i kaszlu po ból, zmęczenie, zmiany apetytu i gorączkę. Pytania obejmowały nie tylko pierwsze sygnały ostrzegawcze, lecz także objawy obecne w okolicach momentu rozpoznania. W ciągu roku dokumentacja medyczna ujawniła, u kogo rozpoznano raka płuca oraz czy był to etap niezaawansowany (głównie stadia I–IIIa), czy zaawansowany (IIIb–IV).

Kto okazał się mieć raka płuca

Wśród skierowanych osób około cztery na dziesięć nie miało nowotworu, podczas gdy sześć na dziesięć otrzymało rozpoznanie raka płuca, mniej więcej w równych proporcjach pomiędzy etapami niezaawansowanymi i zaawansowanymi. W porównaniu z osobami bez nowotworu chorzy z rakiem płuca częściej byli starsi, częściej palili codziennie, częściej mieszkali sami i częściej stracili na wadze w ciągu poprzedniego roku. Wśród osób z chorobą w stadium zaawansowanym przeważali mężczyźni, a wcześniejsze choroby płuc — takie jak astma, przewlekła obturacyjna choroba płuc czy zapalenie płuc — były częstsze. Te wzorce tła sugerują, że czynniki codzienne — wiek, historia palenia, sytuacja mieszkaniowa i niedawne zmiany zdrowotne — pozostają silnymi sygnałami ryzyka, nawet przed skupieniem się na konkretnych objawach.

Objawy, które się wyróżniają

Porównując zgłaszane objawy, zespół zauważył, że osoby z rakiem płuca w stadium wczesnym wyglądały zaskakująco podobnie do osób bez nowotworu: tylko świszczący oddech oraz brak gorączki wyraźnie je odróżniały w prostych, pojedynczych porównaniach. Natomiast osoby z zaawansowanym rakiem płuca miały znacznie więcej charakterystycznych dolegliwości. Częściej zgłaszały duszność, łapanie powietrza, dokuczliwy kaszel i głośne oddychanie, a także ból (szczególnie w plecach), silne zmęczenie, osłabienie, dreszcze oraz problemy z jedzeniem, takie jak wczesne uczucie sytości i utrata apetytu. Te wzorce potwierdzają, że gdy rak płuca jest zaawansowany, często zaburza wiele układów organizmu, podczas gdy wczesna choroba potrafi ukrywać się za niejasnymi lub łatwymi do zbagatelizowania dolegliwościami.

Co komputery potrafiły, a czego nie

Aby sprawdzić, czy złożone kombinacje odpowiedzi mogą powiedzieć więcej niż pojedynczy objaw, badacze wytrenowali kilka typów modeli uczenia maszynowego. Algorytmy uczyły się na podstawie 129 zmiennych z kwestionariusza, by oddzielić osoby z rakiem w stadium niezaawansowanym od osób bez nowotworu oraz osobno rozróżnić raka zaawansowanego od braku raka. Modele osiągały jedynie umiarkowaną trafność: radziły sobie lepiej niż przypadek, ale daleko im było do doskonałości, zwłaszcza w wykrywaniu choroby we wczesnym stadium. Czynniki tła takie jak wiek, status palenia, płeć i mieszkanie w pojedynkę konsekwentnie znajdowały się wśród najważniejszych predyktorów. Niektóre objawy — dokuczliwy kaszel, świszczący lub głośny oddech, łapanie powietrza, ucisk w gardle, ból oraz zmiany apetytu czy masy ciała — również wnosiły wkład, szczególnie w rozpoznawaniu raka zaawansowanego. Jednak nie dominowała żadna wąska grupa objawów; raczej dziesiątki subtelnych cech musiały zostać połączone, by osiągnąć skromną wydajność.

Co to oznacza dla pacjentów i lekarzy

Badanie pokazuje, że samo szczegółowe pytanie ludzi o objawy i warunki życiowe może ujawnić istotne wzorce związane z rakiem płuca, ale sygnały te często są słabe, zwłaszcza we wcześniejszych stadiach, gdy leczenie ma największe szanse na wyleczenie. Modele uczenia maszynowego korzystające wyłącznie z danych z kwestionariusza mogą pomóc w sortowaniu, którzy skierowani pacjenci wymagają pilniejszej diagnostyki, jednak nie są wystarczająco dokładne, by samodzielnie pełnić rolę badań przesiewowych czy testów diagnostycznych. Dla pacjentów i klinicystów najważniejszy wniosek jest taki, że wiek, palenie, mieszkanie w pojedynkę i niedawna utrata wagi, w połączeniu z uporczywymi problemami z oddychaniem, bólem, utratą apetytu lub niewyjaśnionym zmęczeniem, powinny obniżać próg do przeprowadzenia dokładnych badań płuc. Autorzy sugerują, że przyszłość wcześniejszego wykrywania raka płuca prawdopodobnie będzie polegać na łączeniu takich informacji zgłaszanych przez pacjentów z danymi klinicznymi i testami biologicznymi, a nie poleganiu wyłącznie na objawach.

Cytowanie: Gustavell, T., Sissala, N., Pernemalm, M. et al. Predicting lung cancer stage at diagnosis based on self-reported symptoms and background factors using machine learning models. Sci Rep 16, 11866 (2026). https://doi.org/10.1038/s41598-026-46710-8

Słowa kluczowe: rak płuca, wczesne wykrywanie, objawy zgłaszane przez pacjenta, uczenie maszynowe, ocena ryzyka