A zsírmáj sokáig néma betegség: mire észreveszik, gyakran már komoly károsodást okozott. Most úgy látszik, az AI nem a kezelést, hanem a korai észlelést teheti érdemben jobbá.

Mi történt

A zsírmájbetegség világszerte már nagyjából minden harmadik felnőttet érint, és a probléma lényege, hogy a májban a normálisnál jóval több zsír halmozódik fel. Ez gyulladáshoz, sejtkárosodáshoz és hegesedéshez vezethet, előrehaladott esetben pedig májelégtelenséghez. A gond az, hogy a folyamat sokáig alig okoz tünetet, ezért sok eset csak akkor derül ki, amikor már életveszélyes állapot közelében jár.

Pedig a korai felismerés sokat számít. A máj azon kevés szervek egyike, amely jelentős regenerációra képes: életmódbeli változtatásokkal, például fogyással, jobb étrenddel, több mozgással, kevesebb alkohollal, egyes esetekben még a gyulladás és a hegesedés is visszafordítható. Közben új gyógyszerek is megjelentek, például a szemaglutid vagy a resmetirom. Emiatt egyre több kutató és klinikus azt vizsgálja, hogyan lehetne a már rutinszerűen gyűjtött egészségügyi adatokból AI-val kiszűrni azokat, akiknél nagyobb a kockázat.

A megközelítés nem futurisztikus labortrükkre épül, hanem meglévő adatokra. Ilyen például a Fib-4 index, amely életkorból és néhány rutin véreredményből becsüli a máj hegesedésének kockázatát. Gondolj rá úgy, mint egy gyors előszűrő pontrendszerre: nem végleges diagnózis, de segít eldönteni, kinél kell tovább menni. A gond az, hogy ezt a gyakorlatban nem mindig számolják ki, és az orvosok terhelése mellett minden plusz lépés könnyen elmarad.

Itt jön be az AI valódi szerepe: automatikusan lefuttathatná ezeket a számításokat a háttérben, vagy akár röntgenfelvételeken is jelezhetné a gyanús eseteket. Egy japán kutatásban egy modell rutinszerű mellkasi röntgenképeken ismerte fel a zsírmájat 82 százalékos pontossággal, pedig ezek a felvételek eredetileg nem is a máj vizsgálatára készülnek. Közben újabb algoritmusok, például a LiverPRO és az ALADDIN, több rutin laborértékből próbálják pontosabban megbecsülni, kinél áll fenn komolyabb májkárosodás vagy ki profitálhat inkább bizonyos kezelésekből. A Wired értelmezése szerint ezek az eszközök főleg az alapellátás szűk keresztmetszeteit oldhatják, nem pedig a biopsziát vagy a képalkotást váltják le teljesen.

Miért fontos

Ez azért érdekes a hétköznapi beteg szempontjából, mert nem egy új, drága vizsgálati hullámról van szó, hanem arról, hogy a már meglévő leletekből több információt lehetne kinyerni. Ha egy rendszer automatikusan észreveszi, hogy valakinek a rutin laborja, testsúlya, koleszterinszintje vagy 2-es típusú cukorbetegsége alapján érdemes lenne májirányban tovább vizsgálódni, akkor a betegség nem csak a késői stádiumban kerülhetne elő. Ez egyszerre lehet humánusabb és olcsóbb: a korai beavatkozás általában kevésbé megterhelő, mint a késői, súlyos szövődmények kezelése.

Mire figyelj

  1. Az első nagy kérdés az, hogy ezek az AI-eszközök kutatásból valódi klinikai munkafolyamatba kerülnek-e, vagyis tényleg megjelennek-e a háziorvosi és kórházi rendszerekben.
  1. Fontos lesz a pontosság is. Egy előszűrő rendszer akkor hasznos, ha nem csak több beteget talál meg, hanem nem terheli túl felesleges beutalásokkal a szakorvosi ellátást.
  1. Érdemes figyelni arra is, hogyan kapcsolják össze az AI-jelzéseket a kezelési döntésekkel. A jövő valószínűleg nem az, hogy az algoritmus diagnózist mond, hanem az, hogy időben szól: ennél a betegnél most kellene lépni.