Jak funguje digitální patologie – a proč na ní záleží

Od mikroskopu k monitoru

Již více než století se diagnostika rakoviny spoléhá na patologa, který se dívá přes mikroskop na tenký řez tkáně umístěný na sklíčku. Tkáň je obvykle obarvena hematoxylinem a eosinem (H&E) – což je levný, rutinní postup, který stojí pouhých 5 až 10 dolarů za sklíčko. I když je to efektivní, tento proces je pomalý, subjektivní a obtížně škálovatelný.

Digitální patologie mění situaci. Skenery celých preparátů (WSI) s vysokým rozlišením převádějí fyzická sklíčka na podrobné digitální soubory, které mohou patologové prohlížet, anotovat a sdílet na obrazovce – bez nutnosti mikroskopu. Moderní skenery dokážou nasnímat jedno sklíčko za dvě až tři minuty a zpracovat až 450 sklíček v jednom běhu, uvádí Yale School of Medicine.

Jak do toho vstupuje umělá inteligence

Digitalizace sklíček je pouze prvním krokem. Skutečná transformace nastává, když umělá inteligence analyzuje tyto snímky. Modely hlubokého učení – zejména konvoluční neuronové sítě a transformátorové architektury – mohou prozkoumat miliony buněk v jednom skenu a identifikovat vzorce, které by i zkušení patologové mohli přehlédnout.

Tyto nástroje umělé inteligence mohou automaticky detekovat rakovinné oblasti, klasifikovat typy buněk, měřit infiltraci imunitních buněk, kvantifikovat expresi biomarkerů a dokonce předpovídat výsledky léčby pacientů na základě struktury tkáně. Je důležité, že umělá inteligence nenahrazuje patology. Místo toho s nimi spolupracuje v tom, co výzkumníci nazývají rozšířená inteligence – označuje podezřelé oblasti, snižuje opakující se práci a zlepšuje konzistenci diagnóz.

Jak uvádí recenze publikovaná v Nature Medicine, výpočetní patologické nástroje poháněné umělou inteligencí prokázaly zvláštní slib v precizní onkologii, kde pomáhají přiřazovat pacienty k cílené léčbě na základě charakteristik nádoru viditelných na sklíčkách tkáně.

Co umí umělá inteligence vidět, co lidé ne

Standardní barvení H&E odhaluje základní architekturu tkáně, ale pokročilejší techniky, jako je multiplexní imunofluorescence (mIF), mohou mapovat aktivitu proteinů v nádoru – ukazují, jak imunitní buňky interagují s rakovinnou tkání. Problém je v tom, že mIF zobrazování stojí tisíce dolarů za sklíčko a je dostupné pouze ve specializovaných centrech.

Zde nové modely umělé inteligence posouvají hranice dále. Systém GigaTIME od Microsoftu, vyvinutý ve spolupráci s Providence Health a University of Washington a publikovaný v Cell, prokázal, že umělá inteligence trénovaná na 40 milionech spárovaných buněk dokáže generovat virtuální mIF snímky z levných, rutinních H&E sklíček. Při aplikaci na více než 14 000 pacientů a 24 typů rakoviny systém odhalil více než 1 200 statisticky významných asociací mezi vzorci aktivace proteinů a klinickými výsledky – poznatky, které byly dříve uzamčeny za drahým zobrazováním.

Schválení FDA a klinické zavedení

Digitální patologie s umělou inteligencí již není experimentální. Několik nástrojů překonalo regulační překážky:

• Paige Prostate se stal jedním z prvních nástrojů patologie s umělou inteligencí schválených FDA v roce 2021, který pomáhá při detekci rakoviny prostaty.
• Paige PanCancer Detect, schválený v roce 2025, rozšiřuje detekci rakoviny s pomocí umělé inteligence na více typů tkání a orgánů.
• Roche Digital Pathology Dx získal na začátku roku 2025 povolení FDA 510(k) pro svůj systém zobrazování celých sklíček.
• AIM-MASH od PathAI se stal prvním nástrojem pro vývoj léků poháněným umělou inteligencí, který byl kvalifikován FDA pro klinické studie.

Globální trh s digitální patologií, jehož hodnota se v roce 2024 odhaduje na zhruba 1,2 miliardy dolarů, by měl do roku 2032 překročit 2,6 miliardy dolarů, což je dáno rostoucím výskytem rakoviny, přijetím telepatologie a integrací s elektronickými zdravotními záznamy, uvádí Fortune Business Insights.

Proč na tom záleží

Dopady sahají daleko za pouhé zvýšení efektivity. V regionech s nedostatkem patologů – což je běžné v subsaharské Africe a částech jihovýchodní Asie – umožňuje digitální patologie vzdálenou diagnostiku prostřednictvím telepatologie. Specialista vzdálený tisíce kilometrů může zkontrolovat sken a stanovit diagnózu, aniž by sklíčko opustilo nemocnici.

Pro pacienty může rychlejší a konzistentnější diagnostika znamenat dřívější léčbu, lépe zvolené terapie a zlepšení míry přežití. Pro výzkumníky masivní digitalizované databáze sklíček spojené s analýzou umělé inteligence urychlují vývoj léků a návrh klinických studií.

Digitální patologie představuje zásadní posun: sklíčko mikroskopu, kdysi statický artefakt zkoumaný jedním párem očí, se stává dynamickým zdrojem dat analyzovaným algoritmy trénovanými na milionech případů. Odbornost patologa zůstává zásadní – ale nyní je posílena stroji, které se nikdy neunaví a nikdy nepřehlédnou pixel.