AI Mayo Clinic wykrywa raka trzustki na lata przed diagnozą

Mayo Clinic opublikowała nowe dane walidacyjne dotyczące REDMOD – modelu sztucznej inteligencji zaprojektowanego do wykrywania wczesnych oznak raka trzustki na rutynowych tomografiach komputerowych jamy brzusznej, zanim guzy staną się widoczne dla lekarzy.

Według Mayo Clinic, model przeanalizował niemal 2000 tomografii TK, które początkowo zostały uznane za prawidłowe, ale później zostały powiązane z diagnozami raka trzustki. REDMOD wykrył 73% przedklinicznych przypadków raka na średnio 16 miesięcy przed rozpoznaniem, niemal podwajając wykrywalność specjalistów oglądających te same obrazy bez wsparcia AI. Przewaga była jeszcze większa w przypadkach badań wykonanych ponad dwa lata przed diagnozą, gdzie AI wykryła niemal trzykrotnie więcej wczesnych przypadków raka.

Źródło: Mayo Clinic News Network,
„Mayo Clinic AI detects pancreatic cancer up to 3 years before diagnosis in landmark validation study,”
opublikowano 29 kwietnia 2026.

Czym REDMOD różni się od innych rozwiązań

REMOD oznacza Radiomics-based Early Detection Model (Wczesny Model Wykrywania oparty o radiomikę). Zamiast szukać tylko widocznych guzów, analizuje subtelne ilościowe wzorce w trzustce, które mogą świadczyć o wczesnej chorobie.

Mayo Clinic podaje, że system mierzy setki cech obrazowych, w tym:

• Teksturę tkanki
• Wzorce strukturalne
• Ilościowe sygnały radiomiczne
• Wczesne zmiany biologiczne niewidoczne dla radiologów

Te cechy są wyodrębniane ze standardowych badań TK, które pacjenci i tak mogą mieć zlecane z innych przyczyn medycznych.

Kluczowe wnioski z badania walidacyjnego

Wniosek	Zgłoszony wynik
Liczba przeanalizowanych TK	Niemal 2 000
Wczesne raki trzustki wykryte przez REDMOD	73%
Średni czas wyprzedzenia przed diagnozą	Około 16 miesięcy
Najwcześniejsze okno wykrycia	Do 3 lat
Skuteczność ponad 2 lata przed diagnozą	Prawie 3x skuteczność specjalistów

Badanie testowało również model na skanach TK pochodzących z wielu ośrodków, różnych systemów obrazowania i protokołów, co Mayo Clinic określa jako ważny krok w kierunku walidacji narzędzia w warunkach przypominających kliniczną rzeczywistość.

Dlaczego wczesne wykrycie jest ważne

Rak trzustki jest często rozpoznawany późno, ponieważ zwykle nie daje jasnych objawów we wczesnych stadiach. Mayo Clinic podaje, że ponad 85% pacjentów diagnozuje się, gdy choroba już się rozprzestrzeniła, a pięcioletnie przeżycie nie przekracza 15%, według National Cancer Institute.

To sprawia, że wczesna diagnostyka jest wyjątkowo istotna. Jeśli model AI może wychwycić badania wysokiego ryzyka zanim pojawi się widoczna masa, lekarze mogą uzyskać więcej czasu na dalszą diagnostykę, monitorowanie oraz leczenie, gdy opcje terapeutyczne wciąż dają szansę na wyleczenie.

Jak to może wpisać się w rutynową opiekę

Jedną z kluczowych cech REDMOD jest to, że model został zaprojektowany tak, aby działał na badaniach, które pacjenci i tak już wykonują. Może to sprawić, że wspierane przez AI wczesne badania przesiewowe będą mniej uciążliwe niż oddzielne testy diagnostyczne.

Mayo Clinic podaje, że model ma za zadanie automatycznie analizować rutynowe badania TK, zwłaszcza u osób z grup podwyższonego ryzyka, np. z niedawno rozpoznaną cukrzycą. Jeśli zostanie zatwierdzony do zastosowania w praktyce klinicznej, system może pomóc w identyfikacji osób wymagających ścisłej obserwacji zanim rak trzustki stanie się klinicznie wykrywalny.

Co dalej

Mayo Clinic rozwija projekt poprzez AI-PACED (ang. Artificial Intelligence for Pancreatic Cancer Early Detection – Sztuczna Inteligencja do Wczesnego Wykrywania Raka Trzustki). To badanie prospektywne ocenia, jak detekcja wspierana przez AI może zostać zintegrowana ze ścieżką opieki nad pacjentami o podwyższonym ryzyku.

Kolejny etap badań będzie musiał odpowiedzieć na praktyczne pytania kliniczne, m.in.:

• Jak często AI prawidłowo wychwytuje wczesną chorobę
• Ile generuje wyników fałszywie dodatnich
• Jak lekarze powinni postępować w przypadku podwyższonego wyniku ryzyka
• Czy wcześniejsze wykrycie poprawia wyniki leczenia pacjentów

Szerszy kontekst

REMOD wpisuje się w szerszą zmianę w AI dla medycyny: przejście od wykrywania oczywistych nieprawidłowości do identyfikowania wczesnych zmian biologicznych trudnych lub wręcz niemożliwych do zauważenia gołym okiem.

W przypadku raka trzustki, gdzie późna diagnoza jest główną przeszkodą w przeżyciu, taka zmiana może być wyjątkowo znacząca. Obietnicą nie jest tylko szybsza interpretacja obrazów, ale nowa warstwa inteligencji ostrzegawczej, wbudowana w codzienną diagnostykę obrazową.

Mimo to, REDMOD nie zastępuje jeszcze oceny klinicznej. Jego rzeczywista wartość zależeć będzie od badań prospektywnych, ostrożnej integracji z procesami opieki oraz dowodów na to, że wcześniejsze wykrywanie przez AI przekłada się na lepsze wyniki leczenia pacjentów.

Źródło

Artykuł opiera się na informacjach opublikowanych przez Mayo Clinic News Network dotyczących badania REDMOD nad wczesnym wykrywaniem raka trzustki oraz powiązanej publikacji w czasopiśmie Gut.