'PULMOPATOLOGIE

... metody umělé inteligence mohou pomoci identifikovat status ALK-1 a ROS-1 u nemalobuněčného plicního karcinomu z přehledného barvení hematoxylinem a eozinem

Stanovení prediktivních markerů u nemalobuněčného plicního karcinomu (NSCLC) je běžnou praxí v rutinní diagnostice pro užití moderních biologických léčebných strategií výrazně zlepšujících přežití pacientů s NSCLC. Testování se provádí v různých zemích pomocí různých algoritmů za využití různých metod. V České republice se pro testování ROS-1 a ALK-1 u plicních karcinomů používá skríningové vyšetření metodou nepřímé imunohistochemie (IHC), doplněné v případě potřeby fluorescenční in situ hybridizací (FISH). Existují ale i další metody k průkazu, jako například masivní paralelní sekvenování nové generace (NGS). Užití moderních sofistikovaných metod je komplikováno jejich nákladností. Na druhou stranu stále více pronikají do povědomí, a zejména do odborného tisku, moderní metody umělé inteligence (AI), které by mohly časem odlehčit čím dál rostoucímu zatížení patologů.

V zářijovém čísle Modern Pathology autoři z Tel Avivu publikovali velmi zajímavou studii, která naznačuje možnost identifikovat případy plicních karcinomů s léčitelnými aberacemi genů ALK-1 a ROS-1 z přehledného barvení hematoxylinem a eozinem (HaE) bez nutnosti užití speciálních metod pouze užitím algoritmů AI. V poutavě psané sekci materiálů a metod se dozvíme, možná i více než bychom chtěli, o metodách „hlubokého“ a „strojového“ učení a o rozsahu AI hodnocených vzorků čítajících přes 21 tisíc naskenovaných nádorů. Studie vybrala 234 případy NSCLC, u kterých byly testovány ALK-1 a ROS-1, většina z nich dokonce dvěma různými metodami. 162 případů bylo vyčleněno pro tréninkovou skupinu, 72 případy tvořily validační set a byly popsány velmi podrobně v tabulce supplementa. Z výsledků studie pak vyplývá, že AI odhalila pozitivní případy ALK-1 mutovaných NSCLC se 100% senzitivitou a specificitou, u ROS-1 šlo o neméně úžasný výsledek, senzitivita opět 100%, specificita 98,5%.

Už sama „dokonalost“ výsledků budí mírné podezření, to oprávněné, neboť při podrobnější analýze článku lze objevit drobné až středně velké pihy na kráse. Jednak soubor 72 případů obsahoval pouze 6 ALK-1 pozitivních NSCLC a opravdu 2 velmi mizivé případy ROS-1, což pří vědomí, že 1 případ ROS-1 byl AI určen jako pozitivní, přestože ROS1 byla vyloučena jak FISH, tak NGS, nebudí přílišné nadšení. Ostatně i podrobnější analýza tabulky v supplementu by nejspíše minimálně lehce nadzvedla obočí hodnotitelů kontroly kvality, protože IHC analýzy poměrně výrazně nekorelovaly s výsledky molekulárně-genetických studií. V celkovém ohledu je velmi zvláštní, že tyto kontroverze přešly přes jinak velmi tvrdá kritéria recenzního řízení v takto prestižním časopise a nejspíše hlavně díky módnosti užívání AI se článek dostal do tisku (ve stejném čísle Modern Pathology jsou další 3 články užívající různé metody AI).

To nic nemění na podstatě sdělení. Metody AI se postupně dostávají z prostředí vědeckých kampusů do čím dál běžnější praxe. A ač sice hlavní argument AI nadšenců, že „nebude třeba drahých diagnostických metod“, při ceně skenerů, výkonných počítačů, softwarových aplikací a platů jedinců ochotných a schopných si se všemi těmi věcmi sofistikovaně hrát minimálně v rutinní praxi naší země padají, doba užití AI se snad přibližuje. Je ovšem nutné si, jako u každé protěžované sexy novinky, být vědom jejích slabin a omezení.

Zdroj:

Mayer C et al. Direct identification of ALK and ROS1 fusions in non-small cell lung cancer from hematoxylin and eosin-stained slides using deep learning algorithms. Mod Pathol 2022; 35: 1882–1887.