Naukowcy z Mayo Clinic zbudowali model sztucznej inteligencji, który na podstawie elektronicznej dokumentacji medycznej i rutynowych wyników badań laboratoryjnych odróżnia osoby zagrożone rakiem trzustki od pozostałych na trzy lata przed postawieniem diagnozy. U pacjentów, którym model przypisał ryzyko powyżej 50 proc., prawdopodobieństwo rozpoznania raka trzustki w ciągu roku wyniosło 88 proc.
- Model AI opracowany przez naukowców z Mayo Clinic osiągnął AUROC 0,853 przy przewidywaniu raka trzustki na trzy lata przed diagnozą, a u pacjentów, którym przypisał ryzyko powyżej 50 proc., prawdopodobieństwo rozpoznania nowotworu w ciągu roku wyniosło 88 proc.
- Model nie wymaga żadnych dodatkowych badań – korzysta wyłącznie z elektronicznej dokumentacji medycznej i rutynowych wyników badań laboratoryjnych zbieranych średnio przez dekadę lub dłużej, a dane wejściowe są gromadzone niemal we wszystkich systemach szpitalnych na świecie.
- Wynik 88 proc. trafnych alarmów dotyczy warunków badania, w którym osoby chore stanowiły ok. 15 proc. uczestników, co jest wielokrotnie więcej niż w rzeczywistej populacji, dlatego kluczowym testem pozostaje zapowiedziana prospektywna walidacja modelu w Mayo Clinic oraz w placówce spoza tego systemu.
Wyniki przedstawiono podczas Clinical Congress 2026, dorocznego kongresu American College of Surgeons (ACS, Amerykańskie Kolegium Chirurgów), który odbywał się w Waszyngtonie w dniach 26-29 września 2026 r. Pracę zatytułowaną „Enabling Digital Screening for Pancreatic Cancer using Artificial Intelligence Analysis of Disease Trajectories” zaprezentowano w sesji Scientific Forum. Pierwszym autorem jest Chris Varghese, specjalista ds. danych chirurgicznych w Mayo Clinic w Rochester, a współautorem chirurg onkolog Cornelius Thiels.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Rak trzustki zabija, bo lekarze wykrywają go zbyt późno
Rak trzustki jest rzadki, ale ma jedną z najwyższych śmiertelności wśród nowotworów. Według American Cancer Society w 2026 r. w USA odnotowano około 67 tys. nowych diagnoz i 52 tys. zgonów. Ten nowotwór odpowiada za około 3 proc. wszystkich nowych zachorowań na raka, ale aż za 8 proc. zgonów nowotworowych.
Cornelius Thiels zwraca uwagę, że rak trzustki bywa wyleczalny tylko przy wczesnym wykryciu, a na czas diagnozuje się mniej niż co piątego pacjenta. Konsekwencję opisał wprost:
„W rezultacie przeżycie wielu pacjentów wciąż mierzy się w miesiącach, a nie w latach” / „As a result, survival for many patients is still measured in months, not years.”
Według Thielsa nowotwór rozwija się przez pięć do siedmiu lat, ale objawy widoczne dla lekarza i pacjenta pojawiają się dopiero wtedy, gdy na skuteczne leczenie jest za późno. Powszechne badania przesiewowe całej populacji nie są wykonalne, dlatego zespół Mayo Clinic postanowił szukać osób z najwyższym ryzykiem w danych, które szpitale i tak już gromadzą.
Model Mayo Clinic analizuje historię zdrowia pacjenta z 7,5-19 lat
Model Mayo Clinic nie wymaga żadnego nowego badania. Korzysta z wieloletniej historii zdrowia zapisanej w elektronicznej dokumentacji medycznej i łączy ją z wynikami rutynowych badań laboratoryjnych, zbieranymi średnio przez dekadę lub dłużej. Celem było wychwycenie subtelnych sygnałów, które w pojedynczej wizycie są niewidoczne, ale układają się we wzorzec w perspektywie lat.
Najważniejsze parametry badania:
- zbiór danych: 6066 osób z rakiem trzustki i 33 396 osób z grupy kontrolnej,
- długość historii klinicznej uczestników: od 7,5 do 19 lat,
- AUROC (pole pod krzywą ROC, miara zdolności modelu do rozróżniania osób zagrożonych i niezagrożonych) przy predykcji na trzy lata przed diagnozą: 0,853, gdzie 1,0 oznacza rozróżnianie idealne, a 0,5 wynik nie lepszy od losowania,
- AUPRC (pole pod krzywą precyzja-czułość, pokazujące, jak dobrze model wyłapuje faktycznie zagrożonych przy ograniczeniu fałszywych alarmów): 0,712,
- nachylenie krzywej kalibracji: 1,08, przy czym wartość 1,0 oznacza pełną zgodność przewidywanego ryzyka z tym, co faktycznie się wydarzyło,
- ryzyko powyżej 50 proc. wskazane przez model odpowiadało 88-procentowemu prawdopodobieństwu diagnozy raka trzustki w ciągu roku.
Chris Varghese podkreśla, że zespół projektował model z myślą o łatwym wdrożeniu. Dane wejściowe, z których korzysta, są zbierane niemal we wszystkich systemach szpitalnych na świecie, więc jeśli skuteczność się potwierdzi, narzędzie mogłoby działać praktycznie w każdym środowisku klinicznym.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Wynik z kongresu to jeszcze nie gotowe narzędzie dla lekarzy
Mayo Clinic uruchomiła model wyłącznie w trybie badawczym. Według Thielsa zespół sprawdza teraz, czy narzędzie zbudowane na danych historycznych da się przenieść do bieżącej pracy kliniki i walidować prospektywnie, czyli na nowych pacjentach, a nie na archiwalnych rekordach. Walidacja ma objąć system Mayo Clinic oraz, jeszcze w tym roku, placówkę spoza tego systemu. Równolegle badacze rozwijają bardziej zaawansowane architektury uczenia maszynowego, które według Thielsa poprawiają skuteczność.
Wyniki zaprezentowano w formie wystąpienia kongresowego. Komunikat ACS nie wskazuje publikacji w recenzowanym czasopiśmie, więc pełna metodologia nie jest jeszcze dostępna do niezależnej oceny.
Jest też ograniczenie, które w doniesieniach medialnych zwykle znika. W analizowanym zbiorze osoby chore stanowiły około 15 proc. uczestników (6066 z 39 462). W prawdziwej populacji rak trzustki występuje wielokrotnie rzadziej. Miary takie jak AUPRC czy odsetek trafnych alarmów silnie zależą od tego, jak często choroba występuje w badanej grupie. W mojej ocenie liczba 88 proc. dotyczy więc warunków badania i nie można jej wprost przenosić na sytuację, w której model przeglądałby dokumentację wszystkich pacjentów szpitala. Dlatego właśnie prospektywna walidacja jest dla tego projektu testem rozstrzygającym.
Podoba mi się w tym projekcie przede wszystkim to, że nie wymaga od pacjenta niczego nowego. Żadnego dodatkowego badania, żadnej wizyty, żadnego kosztownego sprzętu. Model pracuje na danych, które leżą w systemach szpitalnych i dziś są praktycznie niewykorzystywane. Przy nowotworze, w którym liczy się każdy miesiąc, to podejście ma sens.
Ale alert z algorytmu to dopiero początek problemu. Co dzieje się z pacjentem, którego model oznaczy jako zagrożonego? Ktoś musi zlecić tomografię, rezonans albo endosonografię, ktoś musi za to zapłacić i ktoś musi wytłumaczyć zdrowemu człowiekowi, dlaczego ma się badać w kierunku jednego z najgroźniejszych nowotworów. Przy chorobie tak rzadkiej nawet dobry model wygeneruje sporo fałszywych alarmów. Pytanie nie brzmi więc, czy AI potrafi wskazać ryzyko, tylko czy system ochrony zdrowia potrafi sensownie zareagować na takie wskazanie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Mayo Clinic rozwija równolegle model AI analizujący tomografię
Model oparty na dokumentacji medycznej to drugi projekt Mayo Clinic dotyczący wczesnego wykrywania raka trzustki w 2026 r. W kwietniu zespół opisał w czasopiśmie „Gut” model REDMOD (Radiomics-based Early Detection Model), który szuka śladów nowotworu na rutynowych tomografiach komputerowych jamy brzusznej. Na blisko 2000 badań TK, w tym badaniach pacjentów zdiagnozowanych później, opisanych pierwotnie jako prawidłowe, REDMOD wykrył 73 proc. przypadków przeddiagnostycznych, z medianą około 16 miesięcy przed diagnozą. To niemal dwa razy więcej niż specjaliści oceniający te same obrazy bez wsparcia AI. Mayo Clinic testuje to podejście w badaniu klinicznym AI-PACED.
Mayo Clinic nie jest jedynym ośrodkiem pracującym nad predykcją raka trzustki z danych medycznych:
| Projekt | Dane wejściowe | Wyprzedzenie | Wynik |
|---|---|---|---|
| Mayo Clinic, Varghese i in. (ACS 2026) | dokumentacja medyczna i badania laboratoryjne, 6066 chorych i 33 396 osób kontrolnych | 3 lata | AUROC 0,853, AUPRC 0,712 |
| Mayo Clinic, REDMOD („Gut”, 2026) | rutynowe tomografie jamy brzusznej, ok. 2000 badań | do 3 lat, mediana ok. 16 mies. | 73 proc. przypadków przeddiagnostycznych |
| Uniwersytet Kopenhaski i Harvard, Placido i in. („Nature Medicine”, 2023) | historia rozpoznań z duńskich rejestrów, 8,6 mln pacjentów | 36 mies. | AUROC 0,879 |
| Beth Israel Deaconess Medical Center i MIT, PrismNN (2024) | elektroniczna dokumentacja medyczna, pacjenci od 40. roku życia | do 18 mies. | 3,5 raza więcej przypadków niż według obecnych wytycznych |
W pracy duńsko-amerykańskiej z 2023 r. na 1000 osób, którym model przypisał najwyższe ryzyko, raka trzustki rozwinęło później około 320. Ten wynik dobrze pokazuje realną skalę: nawet bardzo skuteczny model zawęża grupę do zbadania, ale większość oznaczonych osób nie zachoruje.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polska ma problem z danymi, na których taki model mógłby pracować
W Polsce rak trzustki również należy do najgroźniejszych nowotworów. Według danych Krajowego Rejestru Nowotworów za 2020 r., zestawionych przez Świętokrzyskie Centrum Onkologii, raka trzustki rozpoznano u 3589 osób, a zmarło z jego powodu 4973 osób. Liczba zgonów przewyższa liczbę zarejestrowanych zachorowań. Portal mp.pl informuje, że w ciągu ostatnich 30 lat liczba zachorowań w Polsce wzrosła prawie dwukrotnie.
Model Mayo Clinic potrzebuje jednak ciągłej historii zdrowia pacjenta z wielu lat. W Polsce obowiązek przekazywania elektronicznej dokumentacji medycznej (EDM) do systemu e-zdrowie (P1) obowiązuje od 1 lipca 2021 r., ale w praktyce jest realizowany wybiórczo. W VIII edycji badania informatyzacji podmiotów leczniczych Centrum e-Zdrowia z 2025 r.:
- 61,2 proc. podmiotów zadeklarowało integrację EDM z systemem P1,
- EDM w zakresie wyników badań laboratoryjnych z opisem prowadziło 33,4 proc. podmiotów,
- 42,1 proc. przyznało, że w ogóle nie udostępnia EDM innym podmiotom.
Od 16 marca 2026 r. pacjenci mogą przeglądać EDM w aplikacji mojeIKP, z której według rzecznika Centrum e-Zdrowia Tomasza Kulasa korzysta blisko 5 mln Polaków. Dokument pojawi się tam jednak tylko wtedy, gdy placówka przekazała go do P1.
W mojej ocenie oznacza to, że w Polsce narzędzie podobne do modelu Mayo Clinic mogłoby dziś działać najwyżej w obrębie pojedynczych dużych szpitali z własną, wieloletnią dokumentacją elektroniczną. Ogólnokrajowe dane, które pozwoliłyby śledzić „trajektorię choroby” pacjenta przez 7-19 lat, po prostu jeszcze nie istnieją.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym komunikatu American College of Surgeons dotyczącego wystąpienia na Clinical Congress 2026, opublikowanego przez Medical Dialogues z dnia 26.09.2026 oraz Investing News Network. Kontekst badawczy: Fox 9 o modelu REDMOD, praca Placido i in. w „Nature Medicine” (2023) oraz Harvard Gazette o modelu PrismNN. Polski kontekst: Prawo.pl (dane z badania Centrum e-Zdrowia) oraz dane Krajowego Rejestru Nowotworów w opracowaniu Świętokrzyskiego Centrum Onkologii.
Cytat Corneliusa Thielsa, chirurga onkologa z Mayo Clinic, został zweryfikowany z anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o walidacji modelu Mayo Clinic przewidującego ryzyko raka trzustki.
