Sztuczna inteligencja wkracza do praktyki klinicznej: badania przesiewowe w kierunku raka, certyfikacje FDA i RCT w Kenii

Dzisiejsze podsumowanie trafia do Czytelników w dniu, gdy sztuczna inteligencja wyraźnie przesunęła się z roli obiektu badań do wdrożonej infrastruktury klinicznej — w onkologii, radiologii, podstawowej opiece zdrowotnej i diagnostyce chorób rzadkich.

Samsung stawia 110 mln dol. na test krwi wykrywający wiele rodzajów raka, podczas gdy dane badań dzielą ekspertów

Samsung C&T zobowiązała się do inwestycji 110 milionów dolarów w GRAIL — kalifornijską firmę zajmującą się biopsją ciekłą — w celu komercjalizacji testu krwi Galleri do wykrywania wielu rodzajów raka na rynkach azjatyckich. Inwestycja następuje po badaniu PATHFINDER 2 firmy GRAIL, które objęło ponad 35 000 uczestników i wykazało, że Galleri wykrywał nowotwory 6,5 razy częściej niż standardowa opieka zdrowotna uczestników — identyfikując raka jajnika, trzustki, nerki i innych narządów przed pojawieniem się objawów. Obraz nie jest jednak jednoznacznie pozytywny: brytyjskie badanie NHS-Galleri — największa dotychczasowa ocena w warunkach rzeczywistych — nie osiągnęło głównego punktu końcowego, jakim było wykazanie znaczącego zmniejszenia liczby diagnoz raka w stadiach III i IV, co rodzi istotne pytania o to, jak przewaga laboratoryjna w wykrywaniu przekłada się na mierzalne korzyści zdrowotne dla populacji. Galleri pozostaje w sprzedaży komercyjnej w Stanach Zjednoczonych i zwraca teraz uwagę na rynki azjatyckie, podczas gdy kliniczna debata na temat jego rzeczywistego wpływu trwa.

FDA przyznaje Aidoc status Breakthrough Device; UpDoc otrzymuje pierwsze dopuszczenie dla LLM skierowanego do pacjentów

W tym tygodniu w obszarze opieki wspomaganej przez SI osiągnięto dwa kamienie milowe regulacyjne. Aidoc — platforma radiologii AI założona w Tel Awiwie i wdrożona w ponad 2 000 szpitalach na całym świecie — otrzymała oznaczenie FDA Breakthrough Device dla narzędzia First Read, które automatycznie generuje wstępne opisy radiologiczne obejmujące ponad 100 wykrytych zmian na zdjęciach rentgenowskich klatki piersiowej. Oznaczenie to nie jest pełnym dopuszczeniem do obrotu, ale przyspiesza drogę na rynek, dając Aidoc priorytet w interakcjach z FDA i wskazówki dotyczące oceny. W odrębnej i historycznie istotnej decyzji UpDoc otrzymała dopuszczenie FDA dla tego, co regulatorzy opisują jako pierwsze skierowane do pacjentów urządzenie medyczne oparte na dużym modelu językowym: konwersacyjna SI, która może rekomendować dostosowania dawki insuliny dla pacjentów z cukrzycą typu 2 w ramach parametrów ustalonych przez lekarza. Obie decyzje łącznie oznaczają tydzień, w którym FDA formalnie uznała SI za uczestnika — nie tylko narzędzie — w podejmowaniu decyzji klinicznych.

Konsultacje AI poprawiają jakość kliniczną w randomizowanym badaniu kontrolowanym na 9 600 pacjentach w Kenii (Nature Medicine)

Randomizowane badanie kontrolowane prowadzone przez Uniwersytet w Birmingham, opublikowane w tym tygodniu w Nature Medicine, oceniło generatywne narzędzie doradcze AI o nazwie AI Consult w 16 klinikach podstawowej opieki zdrowotnej w Kenii z udziałem około 9 600 pacjentów. Klinicyści używający narzędzia wykazali znacznie lepszą zgodność z kenijskimi wytycznymi krajowymi dotyczącymi diagnostyki i leczenia — sukces w zakresie jakości procesów w środowisku z ograniczonymi zasobami, gdzie wsparcie specjalistyczne jest rzadkością. Krótkoterminowe wyniki pacjentów nie osiągnęły jednak istotności statystycznej, co oznacza, że badanie nie może jeszcze wykazać, iż lepsza kliniczna decyzyjność przełożyła się na mierzalnie zdrowszych pacjentów w okresie obserwacji. Przepaść między poprawą sposobu podejmowania decyzji przez klinicystów a poprawą doświadczeń pacjentów jest uznanym wyzwaniem w nauce o wdrożeniach, a badanie kenijskie podaje twarde liczby. Badacze zauważyli, że przed uwidocznieniem się efektów wynikowych może być potrzebne dłuższe okno obserwacji.

ASCO Breakthrough 2026: AI przechodzi od eksperymentu do standardu w onkologii

Na spotkaniu ASCO Breakthrough 2026 w Singapurze onkolodzy i badacze AI opisali ogólnobranżowe przejście od projektów pilotażowych do zintegrowanego wdrożenia. W prezentacjach podkreślano narzędzia AI już zintegrowane z wielodyscyplinarnymi radami onkologicznymi, wspomagające radiologów w ocenie zaawansowania choroby i automatyzujące wyodrębnianie danych o typie guza dla rekrutacji do badań klinicznych — jeden z systemów osiągnął dokładność 98% w wyodrębnianiu typu guza z nieustrukturyzowanych notatek klinicznych, co otwiera szybsze ścieżki dla pacjentów kwalifikujących się do badań. Eksperci opisali również rosnącą rolę multimodalnej integracji biomarkerów, gdzie AI jednocześnie syntetyzuje dane obrazowe, genomiczne i patomorfologiczne. Sesje ASCO przedstawiły to nie jako przyszły scenariusz, lecz jako bieżącą rzeczywistość operacyjną, już realizowaną w dobrze wyposażonych ośrodkach onkologicznych na całym świecie.

AlphaFold i MATRIX: odkrycie białek w minutach, repozycjonowanie leków na dużą skalę

Na sympozjum Uniwersytetu Utah poświęconym AI w badaniach biomedycznych naukowcy zaprezentowali zaktualizowane demonstracje AlphaFold i RosettaFold — narzędzi do przewidywania struktury białek, które faktycznie wyeliminowały wieloletnie wąskie gardło w rozumieniu zwijania białek. To, co wcześniej wymagało lat krystalografii lub krioelektronowej mikroskopii, może teraz zostać w przybliżeniu obliczone w ciągu minut, dramatycznie przyspieszając najwcześniejsze etapy odkrywania leków. Osobno platforma MATRIX firmy RENCI — używana przez inicjatywę Every Cure — systematycznie eksploruje sieci gen-choroba-leczenie w celu identyfikacji zatwierdzonych leków, które mogą być skuteczne w przypadku schorzeń, dla których nie istnieje żadna efektywna terapia. Repozycjonowanie leków na taką skalę obliczeniową było niemożliwe dziesięć lat temu; MATRIX czyni z tego wykonalny, ciągły program badawczy.

OpenAI o3 znajdzie 18 nowych diagnoz w nierozwiązanych przypadkach chorób rzadkich w Boston Children's Hospital (NEJM AI)

Badanie opublikowane w tym tygodniu w NEJM AI opisało retrospektywną analizę w Boston Children's Hospital, w której model wnioskowania o3 firmy OpenAI przeglądał dokumentację medyczną 376 dzieci z wcześniej nierozwiązanymi rzadkimi schorzeniami genetycznymi — przypadki, które przeszły już lata oceny przez specjalistów. Model zaproponował nowe diagnozy w 18 przypadkach — wydajność około 5%, którą autorzy uznali za wysoce istotną, biorąc pod uwagę, że niektórzy pacjenci czekali na jakiekolwiek wyjaśnienie swoich zaburzeń neurorozwojowych lub nerwowo-mięśniowych przez ponad dekadę. Wyniki mają charakter retrospektywny i będą wymagały prospektywnej walidacji klinicznej, zanim o3 będzie mógł wejść do rutynowych procesów diagnostycznych, jednak publikacja w NEJM AI umieszcza wynik zdecydowanie w recenzowanej literaturze klinicznej, sygnalizując, że społeczność chorób rzadkich poważnie traktuje te dowody.

Treści zawarte w tym podsumowaniu mają charakter dziennikarski i nie stanowią porady medycznej. Czytelnicy powinni skonsultować się z wykwalifikowanym klinicystą przed wprowadzeniem jakichkolwiek zmian w swoim leczeniu lub opiece zdrowotnej.