Tehisaru aitab hinnata endomeetriumivähi taastekke riski senisest märksa varem

Tartu Ülikooli kliinilise meditsiini instituudi teadlased lõid koos Helsingi Ülikooli Keskhaigla kolleegidega tehisarupõhise masinõppemudeli, mis võimaldab hinnata endomeetriumivähi taastekke riski juba enne operatsiooni. Tänu sellele saab raviotsuseid senisest varasemaks nihutada.

Endomeetriumivähk ehk emaka limaskesta pahaloomuline kasvaja on üks enim diagnoositud günekoloogilisi vähivorme. Hoolimata esmasest ravist naaseb haigus ligi viiendikul patsientidest ja siis ravi on sageli keeruline.

Kliinilise meditsiini instituudi naistekliiniku bioinformaatika spetsialisti Vijayachitra Modhukuri sõnul hinnatakse endomeetriumivähi taastekke riski praegu enamasti alles pärast operatsiooni, tuginedes operatsioonijärgsetele histoloogilistele leidudele. See piirab arstide võimekust planeerida järelravi varakult ja patsiendikeskselt. „Uue uuringu tulemused näitavad, et vereanalüüs, muud esmased uuringud ja operatsioonieelsed andmed võimaldavad ennustada vähi taastekke riski juba enne kirurgilist sekkumist. See tähendab, et raviotsused ei pea enam tuginema operatsioonijärgsele infole,“ ütles Modhukur.

Uuringus rakendati masinõppemudelit Helsingi Ülikooli Keskhaiglas ravil olnud 784 endomeetriumivähiga patsiendi kliiniliste ja laboratoorsete andmete peal. Teadlased avastasid, et endomeetriumivähi taasteke pole ühtne nähtus. Varajane taasteke (kuni kuus kuud pärast operatsiooni) on seotud agressiivse kasvaja bioloogiaga, samas kui hilist taasteket (rohkem kui kuus kuud pärast operatsiooni) mõjutavad kasvaja suurus ja selle anatoomiline levik. Modhukuri sõnul võimaldab nende kahe taastekke tüübi eristamine kohandada ravi senisest täpsemalt vastavalt patsiendi isiklikule riskiprofiilile.

Kuigi mudeli esialgsed tulemused on paljulubavad, pole see veel valmis igapäevaseks kliiniliseks kasutamiseks. Esmalt tuleb mudelit veel katsetada, et kõrvaldada võimalikud puudused ja kallutatus. „Pärast valideerimist oleks see nutikas abivahend, mis muudaks raviotsuste langetamise senisest täpsemaks ja personaalsemaks. Kliinilises praktikas tähendaks see, et arst sisestab mudelisse operatsioonieelsed andmed ja tehisaru aitab seejärel juba enne operatsiooni tuvastada suure riskiga patsiendid. See võimaldaks ravimeeskonnal planeerida kohe intensiivsemat ravi ja põhjalikumat jälgimist,“ kirjeldas Modhukur.

Tartu Ülikooli kliinilise meditsiini instituudi ja Helsingi Ülikooli Keskhaigla ühine uuring on avaldatud rahvusvahelises teadusajakirjas Computational and Structural Biotechnology Journal.