Cyfrowy bliźniak onkologiczny — personalizacja radioterapii
Radioterapia to jedna z podstawowych metod leczenia onkologicznego — stosowana u około 60% chorych na nowotwory. Mimo stałego rozwoju technologii, wiąże się z ryzykiem uszkodzenia zdrowych tkanek wokół guza. Dopuszczalny zakres dawek — tzw. indeks terapeutyczny — wyznaczany jest dziś na podstawie uśrednionych danych populacyjnych, co oznacza stosowanie tych samych dawek u wszystkich pacjentów w danej sytuacji klinicznej. Tymczasem indywidualna wrażliwość na promieniowanie — zarówno guza, jak i zdrowych tkanek — jest ogromnie zróżnicowana, a wciąż brakuje skutecznych narzędzi do jej pomiaru. W dobie medycyny personalizowanej stanowi to istotne ograniczenie.
Cyfrowy bliźniak onkologiczny to innowacyjne narzędzie, którego celem jest indywidualne przewidywanie skutków radioterapii poprzez połączenie dwóch dotąd rozwijanych osobno podejść — radiomiki (ilościowej analizy danych obrazowych) oraz genomiki (sygnatur genetycznych warunkujących odpowiedź na promieniowanie). Integracja tych danych pozwala zbudować cyfrowy „bliźniaczy" model pacjenta i opracować sygnatury radiogenomiczne przewidujące indywidualną odpowiedź na leczenie.
System działa w trzech głównych obszarach:
- Pozyskiwanie danych — integracja z systemami informatycznymi szpitali oraz publicznymi źródłami danych, umożliwiająca łączenie informacji klinicznych, obrazowych i genomicznych.
- Przetwarzanie i analiza — z wykorzystaniem przetwarzania języka naturalnego (NLP), uczenia maszynowego i analizy obrazu w celu wyodrębnienia cech powiązanych z odpowiedzią na radioterapię.
- Wspomaganie decyzji klinicznych — generowanie raportu z kluczowymi wynikami i zaleceniami dotyczącymi wyboru metody leczenia, w tym możliwej eskalacji lub deeskalacji dawki.
Narzędzie budowane jest w oparciu o wyjaśnialną sztuczną inteligencję (eXplainable AI), działającą w sposób transparentny — tak, aby lekarz mógł zrozumieć, jak algorytm doszedł do danej rekomendacji. System projektowany jest jako skalowalny, bezpieczny i łatwy w integracji, z mechanizmami ochrony danych i prywatności pacjentów, oraz zdolny do ciągłego uczenia się w miarę napływu nowych danych.
Głównymi odbiorcami rozwiązania są lekarze specjalności onkologicznych, przede wszystkim radioterapii onkologicznej. Personalizacja dawek pozwoli ograniczyć działania niepożądane i zoptymalizować czas terapii, a przez redukcję powikłań — obniżyć całkowite koszty leczenia. Może mieć też istotne znaczenie dla dobrostanu psychicznego pacjentów: poczucie, że leczenie jest dopasowane do ich indywidualnych potrzeb, zmniejsza niepewność i lęk oraz wzmacnia poczucie kontroli nad procesem terapii.