Nowa przestrzeń pracy dla radiologów.Poznaj RAI Health Pro ↗
RAI Health

Wybierz język

Zaloguj sięUtwórz konto ↗

Strony informacyjne, rejestracja, logowanie i przewodnik są dostępne po polsku. Obsługa języków w przestrzeni klinicznej, raportach AI i rozpoznawaniu mowy jest określana oddzielnie.

RAI HEALTH JOURNAL

AI w patologii cyfrowej: czy można przewidzieć miejsce pochodzenia guza?

AI może uporządkować możliwe miejsca pochodzenia guza na podstawie obrazów patologicznych, ale lista kandydatów nie jest ostatecznym rozpoznaniem. W nowotworze o nieznanym ognisku pierwotnym wyniki badań trzeba interpretować wraz z patologią, obrazowaniem i danymi klinicznymi.

← Wszystkie artykuły

Data tłumaczenia ·

RAI HealthPatologia cyfrowa
Cyfrowy skaner preparatów, taca ze szkiełkami i monitor z różowo-fioletowym wzorem.

Czym jest nowotwór o nieznanym ognisku pierwotnym?

W nowotworze o nieznanym ognisku pierwotnym (CUP) biopsja potwierdza złośliwość, lecz ocena patologiczna i badania obrazowe nie ustaliły miejsca pochodzenia. Narząd, z którego pobrano próbkę przerzutu, może być inny niż narząd pochodzenia guza. NCI opisuje rolę oceny patologa i odpowiednich badań dodatkowych.

Jakie zadanie sprawdzono w badaniu TOAD?

Badanie TOAD, opublikowane w Nature 5 maja 2021 roku, przewidywało możliwe pochodzenie guza z cyfrowych obrazów rutynowych preparatów histologicznych. W wydzielonym zbiorze testowym guzów o znanym pochodzeniu trafność pierwszego wskazania wyniosła 83%, a trafność wśród trzech pierwszych kandydatów 96%. Nie są to wskaźniki trafności rozpoznania wszystkich nowotworów, których pochodzenie pozostaje nieznane.

Co oznacza zgodność w grupie CUP?

Wśród 317 przypadków CUP z przypisanym rozpoznaniem różnicowym zgodność pierwszej predykcji z zapisanym rozpoznaniem różnicowym wyniosła 61%, a wśród trzech pierwszych kandydatów 82%. Punktem odniesienia nie był w każdym przypadku definitywnie znaleziony narząd pierwotny. Podanie trzech kandydatów nie oznacza również trzech pewnych rozpoznań.

Czy wynik badania dowodzi dopuszczenia lub korzyści dla pacjenta?

Badanie oceniało metodę analizy obrazu; samo w sobie nie jest dopuszczeniem regulacyjnym ani dowodem poprawy przeżycia. W ujęciu klinicznym NCI możliwe pochodzenie rozważa się wraz z innymi wynikami i cechami choroby. Wynik AI nie powinien automatycznie zastępować oceny patologa i zespołu klinicznego.

O co zapytać przed wdrożeniem?

Nasz wniosek redakcyjny: placówki powinny ocenić działanie przy lokalnym przygotowaniu preparatów i używanych skanerach, skutki błędnych wskazań oraz guzy poza zakresem modelu. Predykcje o niskiej pewności lub sprzeczne z innymi wynikami wymagają określonej ścieżki oceny eksperckiej. Artykuł nie zawiera indywidualnych zaleceń leczenia; przywołane badanie nie potwierdza skuteczności klinicznej produktów RAI.

Źródła

  1. Lu et al. — AI-based pathology predicts origins for cancers of unknown primary (Nature, 2021) ↗
    Dostęp: 2026-11-02
  2. NCI — Cancer of Unknown Primary (CUP) Treatment (PDQ®)–Health Professional Version ↗
    Dostęp: 2026-11-02

Artykuł ma charakter edukacyjny i informacyjny. Przywołanie organizacji nie oznacza jej poparcia dla RAI Health Pro ani nie potwierdza skuteczności klinicznej produktu lub modelu.

Skup się na obrazie.

Utwórz konto ↗