Diagnostyka wspomagana AI posuwa się od raka skóry do przewlekłego bólu

Dzisiejszy przegląd zdrowotny przynosi pięć badań z ostatnich 72 godzin, które łączy wspólny wątek: sztuczna inteligencja przechodzi od prototypu do praktyki w dermatologii, intensywnej opiece medycznej, zarządzaniu bólem, chorobach metabolicznych i diagnostyce onkologicznej.

Piątek, 2 października: Autonomiczna SI Uwalnia 8500 Wizyt Dermatologicznych w Ramach Brytyjskiego Triażu Raka Skóry

Naukowcy prezentujący na Kongresie Europejskiej Akademii Dermatologii i Wenerologii (EADV) 2026 przedstawili rzeczywiste wyniki z wdrożenia autonomicznej SI w pilnych ścieżkach raka skóry dwóch brytyjskich szpitali. System ocenia obrazy dermatoskopowe bez udziału klinicysty i osiągnął czułość powyżej 98% dla czerniaka, raka płaskonabłonkowego (SCC) i raka podstawnokomórkowego (BCC) — trzech najczęstszych nowotworów skóry — jednocześnie znacząco redukując niepotrzebne skierowania na biopsję. W trakcie okresu wdrożenia SI zwolniła ponad 8500 terminów wizyt ambulatoryjnych, pozwalając dermatologom skupić się na przypadkach, które naprawdę wymagają oceny specjalisty.

Jest to badanie wdrożeniowe w warunkach rzeczywistych, a nie randomizowane badanie kontrolowane, a czynniki specyficzne dla danego miejsca mogą wpływać na wyniki. Niemniej jest to jedno z największych opublikowanych autonomicznych klinicznych wdrożeń SI w europejskiej dermatologii do tej pory, a doniesienie na EADV wzmacnia dowody, że dobrze zwalidowana SI może bezpiecznie sortować zmiany niskiego ryzyka. Dla pacjentów na Cyprze i w całej UE — gdzie listy oczekiwania na dermatologię mogą ciągnąć się przez miesiące — tendencja jest zachęcająca; ramy rozporządzenia UE o wyrobach medycznych (MDR) będą regulować sposób, w jaki takie narzędzia trafiają do użytku komercyjnego.

Piątek, 2 października: Uniwersytet Vermont Otrzymuje 38 Milionów Dolarów na Budowę Cyfrowych Bliźniaków SI dla Pacjentów OIOM

Centrum Medyczne Uniwersytetu Vermont (UVM) otrzymało grant w wysokości 38 milionów dolarów od Agencji Zaawansowanych Projektów Badawczych w dziedzinie Zdrowia (ARPA-H) na opracowanie spersonalizowanych modeli obliczeniowych — tak zwanych „cyfrowych bliźniaków‟ — pacjentów na oddziale intensywnej opieki medycznej. Pod kierownictwem chirurgów urazowych UVM projekt będzie replikował indywidualną fizjologię pacjentów in silico, pozwalając klinicystom symulować efekty różnych metod leczenia na wirtualnej kopii pacjenta przed zastosowaniem jakiejkolwiek interwencji w świecie rzeczywistym.

Program jest ukierunkowany na najtrudniejsze prezentacje OIOM: ciężkie infekcje, rozległe oparzenia i urazy pourazowe. W każdym z tych stanów decyzje terapeutyczne podejmowane są w warunkach głębokiej niepewności, a małe błędy w resuscytacji płynowej, dawkowaniu wazopresów lub harmonogramie antybiotykoterapii mogą decydować o przeżyciu. Uruchamiając symulowane interwencje na cyfrowym bliźniaków pacjenta, zespół ma nadzieję ograniczyć medycynę prób i błędów oraz skrócić czas pobytu na OIOM.

Jest to finansowane badanie translacyjne na wczesnym etapie — nie istnieją jeszcze dane dotyczące wyników klinicznych. Finansowanie ARPA-H jest oparte na kamieniach milowych i nie gwarantuje ostatecznego wdrożenia. Koncepcja opiera się na dziesięcioleciach pracy nad modelowaniem fizjologicznym, a jeśli się potwierdzi, może wpłynąć na sposób leczenia złożonych pacjentów w centrach urazowych na całym świecie.

Piątek, 2 października: Noszona SI Przewiduje Przedłużone Siedzenie Godzinę Wcześniej u Kobiet z Bólem Miednicy

Badanie opublikowane w npj Women’s Health przez naukowców z Mount Sinai objęło 134 kobiety z endometriozą lub przewlekłym bólem miednicy i wyposażyło je w konsumenckie urządzenia Fitbit. Model uczenia maszynowego wytrenowany na ciągłych danych aktywności okazał się zdolny do przewidywania epizodów siedzenia mniej więcej godzinę przed ich rozpoczęciem, z wystarczającą swoisтоścią, by unikać zalewania uczestniczek niepotrzebnymi alertami.

Przedłużone siedzenie nasila ból i markery zapalne u niektórych kobiet ze schorzeniami bólu miednicy, a aktualne postępowanie w dużej mierze polega na samomonitorowaniu przez pacjentki — co jest zawodne przy przewlekłym zmęczeniu. Noszone urządzenie, które przewiduje, a nie reaguje na zachowania siedzące, mogłoby umożliwiać spersonalizowane podpowiedzi ruchowe w celu przerwania cyklu zanim dyskomfort się nasili.

Badanie ma charakter obserwacyjny, a próba jest skromna. Model nie był jeszcze testowany w klinicznym badaniu interwencyjnym w celu potwierdzenia, że podpowiedzi faktycznie zmniejszają ból lub poprawiają jakość życia. Niemniej publikacja w czasopiśmie Nature Portfolio odzwierciedla rygorystyczną recenzję partnerską, a projekt badania jest przejrzysty metodologicznie. To obiecujący sygnał dla kobiet z endometriozą — schorzenia dotykającego około jedną na dziesięć kobiet w wieku rozrodczym na całym świecie, często niedostatecznie leczonego.

Piątek, 2 października: Głosowa SI Wykrywa Cukrzycę Typu 2 w 20 Sekund, Zaprezentowana na EASD 2026

Badanie na dużą skalę zaprezentowane na Dorocznym Spotkaniu Europejskiego Towarzystwa Badania Cukrzycy (EASD) 2026 sprawdziło, czy krótkie nagrania głosowe mogą wykryć wcześniej niezdiagnozowaną cukrzycę typu 2. Model był trenowany i walidowany na około 63 000 nagrań i osiągnął pole pod krzywą (AUC) 0,80 przy pomiarze wobec samodzielnie zgłoszonego statusu cukrzycy — poziom wydajności, który naukowcy uważają za wykonalny próg wstępnego badania przesiewowego. Okno przesiewowe wynosi około 20 sekund naturalnej mowy.

Naukowcy stawiają hipotezę, że fizjologiczne zmiany związane z cukrzycą — w tym neuropatia obwodowa, zmiany mięśni oddechowych i dysfunkcja autonomiczna — subtelnie zmieniają cechy dróg głosowych w sposób, który może wykryć model uczenia głębokiego. AUC 0,80 jest klinicznie umiarkowane jako samodzielna diagnostyka, ale urok 20-sekundowego wstępnego badania bez sprzętu jest realny: w środowiskach o mniejszych zasobach lub w aptekach ogólnodostępnych mógłby kierować osoby do potwierdzającego badania krwi przed jakimkolwiek formalnym kontaktem klinicznym.

Jest to prezentacja konferencji, jeszcze nieopublikowany artykuł poddany recenzji partnerskiej. Samodzielnie zgłoszony status cukrzycy jest słabszym złotym standardem niż pomiar glukozy w osoczu na czczo lub HbA1c, a niezależna replikacja w prospektywnym badaniu przesiewowym jest niezbędna przed jakimikolwiek zaleceniami klinicznymi.

Piątek, 2 października: Spektroskopia Ramana i Uczenie Maszynowe Odróżniają Skórę Nowotworową z Dokładnością 84%

Badacze z Florida Atlantic University (FAU) opublikowali wyniki w Materiałach SPIE, demonstrując, że połączenie spektroskopii Ramana — nieinwazyjnej techniki optycznej odczytującej biochemiczny odcisk tkanki — z klasyfikatorami uczenia maszynowego może odróżnić skórę nowotworową od normalnej z dokładnością około 84%. W badaniu przeanalizowano około 1000 widm z 50 próbek klinicznych.

Spektroskopia Ramana działa poprzez skierowanie lasera o małej mocy na tkankę, a następnie pomiar charakterystycznego wzoru rozpraszanego światła, który odzwierciedla względne stężenia białek, lipidów i kwasów nukleinowych. Komórki rakowe zmieniają te molekularne proporcje w wykrywalny sposób. Trenując klasyfikatory na tych widmowych odciskach palców, zespół FAU wykazał, że co do zasady diagnoza bez biopsji może być osiągalna w punkcie opieki.

Jest to wczesnoetapowe badanie translacyjne na małym zbiorze próbek. Pięćdziesiąt próbek klinicznych i około 1000 widm stanowi zachęcający dowód koncepcji, ale skala wymagana do zatwierdzenia regulacyjnego jest większa o rzędy wielkości. Materiały SPIE to cenione wydawnictwo inżynieryjne, choć nie kliniczne; wyniki należy traktować jako wstępne do czasu walidacji w prospektywnych kohortach klinicznych z potwierdzonym histopatologicznym wzorcem referencyjnym.

---

Powyższe treści służą wyłącznie ogólnym celom dziennikarskim i informacyjnym. Nie stanowią porady medycznej, diagnozy ani wskazówek dotyczących leczenia. Czytelnicy powinni skonsultować się z wykwalifikowanym klinicystą przed wprowadzeniem jakichkolwiek zmian w zarządzaniu swoim zdrowiem lub planem leczenia.