Αν και ο έλεγχος με LDCT έχει αποδειχθεί ότι μειώνει τους θανάτους από καρκίνο του πνεύμονα έως και 24%, μόνο ένα μικρό ποσοστό υποψηφίων υποβάλλεται σε προληπτικό έλεγχο και μάλιστα σε επαναλαμβανόμενη βάση, όπως είναι απαραίτητο. Καθώς λοιπόν τα ποσοστά του εν λόγω καρκίνου αυξάνονται ακόμα και μεταξύ των μη καπνιστών, αναδύεται επιτακτικότερη η ανάγκη για νέες στρατηγικές προσυμπτωματικού ελέγχου σε έναν ευρύτερο πληθυσμό.
Στο πλαίσιο αυτό, μια ερευνητική ομάδα από την Ιατρική Σχολή του Χάρβαρντ και το MIT, ανέπτυξε ένα εργαλείο τεχνητής νοημοσύνης γνωστό ως Sybil, με στόχο να προβλέπει τα «κακά μαντάτα» της νόσου. Σε αντίθεση με τις μέχρι σήμερα προσεγγίσεις προσυμπτωματικού ελέγχου, ως σύγχρονη προφήτισσα, η Sybil απαιτεί μόνο μία αξονική τομογραφία LDCT για την πρόβλεψη του κινδύνου καρκίνου του πνεύμονα που μπορεί να εμφανιστεί από ένα έως έξι έτη μετά τον έλεγχο.
Πρόβλεψη του κινδύνου έως και 6 χρόνια νωρίτερα
Η Sybil είναι ένα μοντέλο βαθιάς μάθησης το οποίο έχει εκπαιδευτεί σε χιλιάδες αξονικές τομογραφίες. Αξιοποιώντας τις εν λόγω γνώσεις, είναι σε θέση να αξιολογήσει μία αξονική τομογραφία LDCT και να εντοπίσει πρώιμα συμπτώματα της νόσου.
Σύμφωνα με την Regina Barzilay, καθηγήτρια του ΜΙΤ και επικεφαλής της ερευνητικής ομάδας, η Sybil μπορεί να πετύχει εκεί όπου η ανθρώπινη ματιά αποτυγχάνει. Είναι σε θέση να ανιχνεύσει ανεπαίσθητες αλλαγές στις αξονικές απεικονίσεις, προβλέποντας την πιθανότητα ο ασθενής να αναπτύξει καρκίνο του πνεύμονα. Κατά κάποιο τρόπο να προβλέψει δηλαδή το μέλλον.