W opublikowanym we wrześniu 2025 badaniu naukowym zespół Wahab N. i współautorzy zaprezentował nowatorski model sztucznej inteligencji „MultiSurv”, który integruje dane kliniczne, obrazowe (CT/MRI) oraz patologiczne (biopsje, wyniki histopatologii) w celu precyzyjnego prognozowania ryzyka nawrotu raka prostaty i raka pęcherza moczowego.

Model bazuje na technikach uczenia głębokiego, które umożliwiają analizę wielowymiarowych danych pacjenta — zarówno z dokumentacji medycznej, jak i z cyfrowych obrazów. W badaniu walidacyjnym uzyskano współczynnik C-index na poziomie 0,843 dla raka prostaty, co potwierdza wysoką skuteczność w przewidywaniu zdarzeń takich jak wznowa nowotworu czy progresja choroby.

Zastosowanie „MultiSurv” może mieć istotne znaczenie praktyczne: pozwala lekarzom na bardziej spersonalizowaną decyzję dotyczącą intensywności leczenia (np. radioterapia vs obserwacja) oraz częstotliwości badań kontrolnych. W przypadku raka prostaty — choroby często o powolnym przebiegu — takie podejście może ograniczyć nadterapię oraz obciążenie systemu opieki zdrowotnej.

Model może być również potencjalnie wykorzystany do stratyfikacji pacjentów w badaniach klinicznych, dobierając chorych według precyzyjnych kryteriów ryzyka.

W szerszym ujęciu, MultiSurv jest kolejnym krokiem w kierunku zastosowania AI w predykcji wyników klinicznych i personalizacji leczenia onkologicznego. Zespoły urologiczne i onkologiczne powinny monitorować rozwój takich narzędzi – zwłaszcza w kontekście ich przyszłej integracji z systemami HIS i platformami danych pacjenta.

Źródło: Wahab N. et al., arXiv, 2025
Opracowanie redakcyjne: Debaty Zdrowie