Trí tuệ nhân tạo đa phương thức vượt trội hơn các biểu đồ lâm sàng trong dự đoán di căn sau cắt bỏ tuyến tiền liệt tái phát sinh hóa học

Trí tuệ nhân tạo đa phương thức vượt trội hơn các biểu đồ lâm sàng trong dự đoán di căn sau cắt bỏ tuyến tiền liệt tái phát sinh hóa học

Giới thiệu: Sự khác biệt của tái phát sinh hóa học

Tái phát sinh hóa học (BCR) sau phẫu thuật cắt bỏ tuyến tiền liệt (RP) là một thách thức lâm sàng đáng kể trong quản lý ung thư tuyến tiền liệt. Mặc dù mức độ kháng nguyên đặc hiệu tuyến tiền liệt (PSA) tăng lên báo hiệu sự tái phát của bệnh, nhưng diễn tiến lâm sàng của các bệnh nhân này là vô cùng khác biệt. Một số bệnh nhân có thể không có triệu chứng trong hơn một thập kỷ, trong khi những người khác nhanh chóng tiến triển thành di căn xa (DM) và tử vong do ung thư.

Hiện nay, các bác sĩ lâm sàng dựa vào xạ trị cứu trợ (SRT) có hoặc không kèm theo liệu pháp nội tiết (HT) để quản lý BCR. Tuy nhiên, quyết định thêm HT và thời gian kéo dài vẫn là chủ đề tranh cãi gay gắt. Các thông số lâm sàng tiêu chuẩn như điểm Gleason, giai đoạn T và động lực học PSA cung cấp nền tảng cho đánh giá nguy cơ nhưng thường thiếu độ chính xác cần thiết cho y học cá nhân hóa thực sự. Nghiên cứu của Morgan et al., gần đây được công bố trên tạp chí European Urology, giới thiệu một dấu ấn sinh học trí tuệ nhân tạo đa phương thức (MMAI) được thiết kế để bắc cầu khoảng cách này bằng cách tích hợp bệnh lý số hóa với dữ liệu lâm sàng.

Những điểm nổi bật của nghiên cứu

Nghiên cứu này đã chứng minh một số kết quả then chốt có thể thay đổi cách quản lý ung thư tuyến tiền liệt sau RP:

1. Mô hình MMAI đạt được diện tích dưới đường cong đặc trưng nhận dạng (AUC) dựa trên thời gian 10 năm là 0.74, vượt trội đáng kể so với 0.68 đạt được bởi các biểu đồ lâm sàng truyền thống.
2. Điểm MMAI là yếu tố tiên lượng độc lập của di căn xa, với tỷ lệ nguy cơ phân phối con (sHR) là 2.17 cho mỗi đơn vị tăng độ lệch chuẩn.
3. Quan trọng nhất, mô hình đã xác định một nhóm nguy cơ cao trải qua giảm 21% tỷ lệ mắc di căn 10 năm khi thêm liệu pháp nội tiết vào xạ trị cứu trợ, so với chỉ giảm 2.5% ở nhóm nguy cơ thấp.

Thiết kế và phương pháp nghiên cứu

Nghiên cứu này sử dụng một khung AI đa phương thức tinh vi. Mô hình được huấn luyện bằng cách kết hợp hình ảnh bệnh lý số hóa độ phân giải cao (các slide H&E) và năm biến lâm sàng quan trọng: nhóm cấp độ bệnh lý, giai đoạn T bệnh lý, mức PSA trước SRT, tuổi và tình trạng lề phẫu thuật. Bằng cách sử dụng học sâu để trích xuất các đặc điểm dưới thị giác từ cấu trúc mô—đặc điểm thường không thể nhìn thấy bằng mắt thường—mô hình MMAI tạo ra một hồ sơ sinh học tinh vi hơn của khối u.

Việc kiểm chứng được thực hiện bằng cách sử dụng mẫu lưu trữ từ hai thử nghiệm lâm sàng giai đoạn 3 quan trọng: NRG/RTOG 9601 và NRG/RTOG 0534 (SPPORT). Đội ngũ kiểm chứng bao gồm 533 bệnh nhân đã trải qua SRT có hoặc không kèm theo HT. Điểm cuối chính là di căn xa, với thời gian theo dõi trung bình là 9.3 năm, cung cấp dữ liệu dọc thời gian vững chắc cho phân tích.

Tìm hiểu sâu vào các kết quả chính

Xác suất tiên lượng và phân loại nguy cơ

Điểm MMAI đã thể hiện mối liên hệ mạnh mẽ với kết quả lâm sàng. Trong phân tích đa biến điều chỉnh cho điều trị và các yếu tố lâm sàng, điểm MMAI vẫn là yếu tố tiên lượng chủ đạo của DM. Khi bệnh nhân được phân loại thành các nhóm nguy cơ nhị phân, tỷ lệ mắc DM 10 năm ở nhóm nguy cơ cao MMAI (25%) gần gấp ba lần so với nhóm nguy cơ thấp (8.8%).

Dự đoán hiệu quả điều trị

Có lẽ kết quả hành động lâm sàng quan trọng nhất liên quan đến tương tác giữa điểm MMAI và hiệu quả của liệu pháp nội tiết. Trong thử nghiệm NRG/RTOG 9601, việc thêm hai năm bicalutamide vào SRT đã biết là cải thiện sự sống sót, nhưng với chi phí của các tác dụng phụ đáng kể. Mô hình MMAI đã thành công trong việc phân biệt ai thực sự cần tiếp cận này. Nhóm nguy cơ cao đã hưởng lợi đáng kể từ HT (giảm 21% DM), trong khi nhóm nguy cơ thấp chỉ hưởng lợi ít (giảm 2.5%). Điều này cho thấy rằng đối với bệnh nhân nguy cơ thấp, SRT riêng có thể đủ, có thể giúp họ tránh khỏi các tác dụng phụ tim mạch, chuyển hóa và tình dục của việc tước androgen.

Bình luận chuyên gia và ý nghĩa lâm sàng

Từ góc độ lâm sàng, mô hình MMAI giải quyết nghịch lý “điều trị quá mức vs. điều trị không đủ” trong BCR. Báo cáo bệnh lý truyền thống bị hạn chế bởi sự biến đổi giữa các nhà quan sát và bản chất tĩnh của hệ thống chấm điểm Gleason. Bệnh lý số hóa dựa trên AI, ngược lại, cung cấp một đánh giá có thể lặp lại, định lượng về môi trường vi mô của khối u.

Tuy nhiên, vẫn còn một số cân nhắc. Nghiên cứu dựa vào đội ngũ thử nghiệm lưu trữ, mặc dù cung cấp bằng chứng cấp cao, có thể không phản ánh hoàn hảo dân số bệnh nhân đương đại được quản lý với các kỹ thuật hình ảnh hiện đại như PSMA-PET/CT. PSMA-PET đã thay đổi đáng kể việc phát hiện tái phát, và cách điểm MMAI tích hợp với phân loại dựa trên PET là một khu vực quan trọng cho nghiên cứu trong tương lai.

Hơn nữa, mặc dù AUC 10 năm là 0.74 là một cải thiện so với các mô hình lâm sàng, nó vẫn còn chỗ để cải thiện. Tích hợp các phân loại gen (như Decipher) với MMAI có thể đẩy mạnh khả năng dự đoán, tạo ra một công cụ đánh giá “toàn phương thức”.

Kết luận: Tiến tới y học niệu khoa hỗ trợ AI

Việc phát triển mô hình MMAI sau RP đại diện cho một bước tiến đáng kể trong việc áp dụng trí tuệ nhân tạo vào y học lâm sàng. Bằng cách cung cấp các ước tính nguy cơ cá nhân hóa, công cụ này trao quyền cho các bác sĩ và bệnh nhân tham gia vào quyết định chia sẻ có thông tin hơn. Nếu được xác minh triển vọng, dấu ấn sinh học MMAI này có thể trở thành một thành phần tiêu chuẩn của quy trình khám sau cắt bỏ tuyến tiền liệt, đảm bảo rằng các liệu pháp hệ thống cường độ cao được dành cho những người có nguy cơ sinh học cao nhất trong khi giảm gánh nặng điều trị cho những người có tái phát chậm tiến.

Tham khảo

1. Morgan TM, Ren Y, Tang S, et al. Phát triển và xác minh một dấu ấn sinh học bệnh lý số hóa dựa trên trí tuệ nhân tạo đa phương thức dự đoán di căn ở bệnh nhân tái phát sinh hóa học sau cắt bỏ tuyến tiền liệt trong các thử nghiệm NRG/RTOG. Eur Urol. 2025;S0302-2838(25)04859-6.
2. Shipley WU, Seiferheld W, Lukka HR, et al. Xạ trị có hoặc không kèm theo liệu pháp chống androgen trong ung thư tuyến tiền liệt. N Engl J Med. 2017;376(5):417-428.
3. Pollack A, Karrison TG, Balogh AG, et al. Thêm liệu pháp tước androgen và điều trị hạch bẹn chậu vào xạ trị cứu trợ vùng giường tuyến tiền liệt (NRG Oncology/RTOG 0534 SPPORT): một thử nghiệm lâm sàng ngẫu nhiên quốc tế, đa trung tâm, giai đoạn 3. Lancet. 2022;399(10338):1889-1901.

Comments

No comments yet. Why don’t you start the discussion?

Để lại một bình luận