Uczenie maszynowe i sztuczna inteligencja w wykrywaniu raka trzustki na wczesnym etapie za pomocą biopsji płynów: przegląd zakresu

Dlaczego wczesne wskazówki we krwi i moczu mają znaczenie

Rak trzustki jest jednym z najgroźniejszych powszechnych nowotworów, ponieważ rzadko daje wyraźne objawy, zanim się nie rozprzestrzeni. Ten przegląd analizuje, jak lekarze mogą wykrywać go wcześniej, badając drobne ślady materiału nowotworowego unoszącego się w codziennych płynach ustrojowych i wykorzystując sztuczną inteligencję do wyszukiwania ukrytych wzorców. Dla pacjentów i rodzin nadzieją jest, że proste badanie krwi lub moczu mogłoby kiedyś wskazać problem na długo przed tym, jak guz stanie się zagrożeniem życia.

Trudno dostępny narząd z cichymi sygnałami ostrzegawczymi

Trzustka leży głęboko w jamie brzusznej, dlatego guzy mogą rozwijać się cicho przez długi czas. Wiele osób zauważa dopiero niespecyficzne dolegliwości, takie jak zmęczenie, ból brzucha lub pleców, utrata masy ciała czy zażółcenie skóry. W momencie rozpoznania gruczolakoraka przewodowego trzustki ponad trzy czwarte pacjentów ma już rozwinięty nowotwór z przerzutami miejscowymi lub odległymi, a niewielu nadaje się do zabiegu chirurgicznego. Nawet przy nowoczesnych terapiach w Stanach Zjednoczonych tylko około jednego na dziesięciu pacjentów żyje pięć lat po rozpoznaniu, więc przesunięcie osi czasu w kierunku znacznie wcześniejszego wykrywania jest kluczowe.

Biopsja płynów jako łagodniejsze okno na nowotwór

Obecne narzędzia przesiewowe dla osób z podwyższonym ryzykiem opierają się na badaniach obrazowych i endoskopowej ultrasonografii, które mogą być kosztowne, niewygodne i okazjonalnie ryzykowne. Biopsja płynów oferuje inną ścieżkę. Zamiast badać trzustkę bezpośrednio, klinicyści analizują krew, mocz, żółć lub płyn torbieli pod kątem cząsteczek wydzielanych przez guzy. Należą do nich fragmenty DNA nowotworowego, całe komórki nowotworowe, drobne pęcherzykowate pęcherzyki błonowe oraz krótkie cząsteczki RNA regulujące geny. Ponieważ te markery można pobrać za pomocą prostego pobrania krwi lub próbki moczu, mogłyby umożliwić częstsze i szerzej dostępne kontrole, zwłaszcza jeśli stosowane są łącznie w panelach, zamiast polegać na pojedynczym wskaźniku jak długo stosowany test CA19-9.

Nauczanie komputerów czytania złożonych sygnałów molekularnych

Problem polega na tym, że płyny ustrojowe zawierają gęstą mieszaninę materiału normalnego i nieprawidłowego, a wczesne nowotwory mogą pozostawiać jedynie słabe ślady. Autorzy przeglądu opisują 18 niedawnych badań, które sięgnęły po uczenie maszynowe i uczenie głębokie, by wyodrębnić subtelne wzorce w tym morzu danych. Większość badań korzystała z próbek krwi, kilka badało mocz, żółć lub płyn torbieli trzustkowych. Powszechne metody komputerowe, takie jak lasy losowe i maszyny wektorów nośnych, były trenowane, by oddzielić pacjentów z rakiem trzustki od zdrowych ochotników, od osób z innymi nowotworami lub od pacjentów z niezłośliwymi problemami trzustki, takimi jak przewlekłe zapalenie czy torbiele łagodne. Dwa badania zastosowały bardziej złożone sieci neuronowe, które mogły uczyć się wzorców bezpośrednio z dużych zestawów pomiarów.

Co działa najlepiej do tej pory, a co nadal zawodzi

Wyniki badań były zróżnicowane, ale wyłoniły się pewne wspólne wnioski. Testy oparte na małych cząsteczkach RNA w płynach, szczególnie gdy są chronione wewnątrz pęcherzyków, często osiągały bardzo wysoką dokładność i dobrą rozróżnialność między próbkami z rakiem a bez raka. Natomiast metody bazujące na całych komórkach nowotworowych czy niektórych typach pęcherzyków radziły sobie gorzej, częściowo dlatego, że te struktury są kruche, rzadkie i trudniejsze do wiarygodnego wyizolowania. Kilka zespołów wykazało, że łączenie CA19-9 z nowymi markerami poprawiało wyniki w porównaniu z samym CA19-9, co przypomina wcześniejsze sukcesy z wielomarkerowymi testami prenatalnymi. Mimo to większość badań objęła niewielkie liczby pacjentów, często już z potwierdzonym nowotworem, i raportowała wyniki w różny sposób, co utrudnia rzetelne porównania.

Gdzie to stawia dziś pacjentów i lekarzy

Przegląd konkluduje, że biopsja płynów wspierana przez sztuczną inteligencję jest obiecującym uzupełnieniem badań obrazowych, a nie ich zamiennikiem w obecnym stanie wiedzy. Dziedzina jest młoda i niewiele przetestowanych paneli nadaje się do rutynowego stosowania w praktyce klinicznej. Potrzebne są większe, lepiej zaprojektowane badania u osób z podwyższonym ryzykiem oraz u tych z wczesnymi zmianami, takimi jak przewlekłe zapalenie trzustki, wraz z jaśniejszymi standardami raportowania skuteczności modeli. Jeśli uda się pokonać te przeszkody, proste testy oparte na płynach, kierowane przez inteligentne algorytmy, mogą kiedyś pomóc w wcześniejszym wykrywaniu raka trzustki, ograniczyć potrzebę inwazyjnych procedur i dać większej liczbie pacjentów szansę na leczenie z zamiarem wyleczenia.

Cytowanie: Ku, J., Singhal, M., Burnette, M. et al. Machine learning and artificial intelligence in liquid biopsy-based early detection of pancreatic cancer: a scoping review. BJC Rep 4, 26 (2026). https://doi.org/10.1038/s44276-026-00232-y

Słowa kluczowe: rak trzustki, biopsja płynów, uczenie maszynowe, wczesne wykrywanie, biomarkery we krwi