Radioterapia to jedna z podstawowych metod leczenia onkologicznego, stosowana u około 60% chorych na nowotwory. Mimo stałego rozwoju technologii, wiąże się z ryzykiem uszkodzenia zdrowych tkanek wokół guza. Dopuszczalny zakres dawek, tzw. indeks terapeutyczny, wyznaczany jest dziś na podstawie uśrednionych danych populacyjnych, co oznacza stosowanie tych samych dawek u wszystkich pacjentów w danej sytuacji klinicznej. Tymczasem indywidualna wrażliwość na promieniowanie – zarówno guza, jak i zdrowych tkanek – jest ogromnie zróżnicowana, a wciąż brakuje skutecznych narzędzi do jej pomiaru. W dobie medycyny personalizowanej stanowi to istotne ograniczenie.
Cyfrowy bliźniak onkologiczny to innowacyjne narzędzie, którego celem jest indywidualne przewidywanie skutków radioterapii poprzez połączenie dwóch dotąd rozwijanych osobno podejść – radiomiki (ilościowej analizy danych obrazowych) oraz genomiki (sygnatur genetycznych warunkujących odpowiedź na promieniowanie). Integracja tych danych pozwala zbudować cyfrowy bliźniaczy model pacjenta i opracować sygnatury radiogenomiczne przewidujące indywidualną odpowiedź na leczenie.
System działa w trzech głównych obszarach:
- Pozyskiwanie danych – integracja z systemami informatycznymi szpitali oraz publicznymi źródłami danych, umożliwiająca łączenie informacji klinicznych, obrazowych i genomicznych;
- przetwarzanie i analiza – z wykorzystaniem przetwarzania języka naturalnego (NLP), uczenia maszynowego i analizy obrazu w celu wyodrębnienia cech powiązanych z odpowiedzią na radioterapię;
- wspomaganie decyzji klinicznych – generowanie raportu z kluczowymi wynikami i zaleceniami dotyczącymi wyboru metody leczenia, w tym możliwej eskalacji lub deeskalacji dawki.
Narzędzie budowane jest w oparciu o wyjaśnialną sztuczną inteligencję (eXplainable AI), działającą w sposób transparentny – tak, aby lekarz mógł zrozumieć, jak algorytm doszedł do danej rekomendacji. System projektowany jest jako skalowalny, bezpieczny i łatwy w integracji, z mechanizmami ochrony danych i prywatności pacjentów, oraz zdolny do ciągłego uczenia się w miarę napływu nowych danych.
Głównymi odbiorcami rozwiązania są lekarze specjalności onkologicznych, przede wszystkim radioterapii onkologicznej. Personalizacja dawek pozwoli ograniczyć działania niepożądane i zoptymalizować czas terapii, a przez redukcję powikłań obniżyć całkowite koszty leczenia. Może mieć też istotne znaczenie dla dobrostanu psychicznego pacjentów: poczucie, że leczenie jest dopasowane do ich indywidualnych potrzeb, zmniejsza niepewność i lęk oraz wzmacnia poczucie kontroli nad procesem terapii.