Chiński konsensus ekspercki: jak AI naprawdę powinno wejść do onkologicznej diagnostyki obrazowej

Seria: Radiologia vs AI

Wprowadzenie

Sztuczna inteligencja w onkologii obrazowej od lat jest tematem gorących dyskusji, raz jako rewolucja, raz jako przereklamowana technologia bez realnego pokrycia w praktyce klinicznej. Opublikowany w lipcu 2026 roku w czasopiśmie Insights into Imaging dokument próbuje uporządkować ten chaos w sposób systematyczny: nie jako pojedyncze badanie, ale jako sformalizowany konsensus ekspercki.

Grupa 81 specjalistów z Chin - radiologów, lekarzy medycyny nuklearnej, onkologów i badaczy AI, metodą zmodyfikowanego Delphi wypracowała 30 stwierdzeń dotyczących zastosowań AI w całej ścieżce opieki onkologicznej: od skriningu, przez diagnostykę i staging, po ocenę odpowiedzi na leczenie i rokowanie. Wszystkie 30 stwierdzeń osiągnęło konsensus już w pierwszej rundzie głosowania, ze średnimi ocenami 8,06–8,58 w skali 9-punktowej.

Ten dokument jest interesujący nie dlatego, że mówi coś nowego o samych algorytmach, ale dlatego, że pokazuje, jak duża grupa doświadczonych klinicystów widzi granice zaufania do AI, i gdzie te granice są dziś stawiane najostrożniej.

Kto i jak głosował

Panel ekspercki nie był przypadkowy. 76,5% stanowili radiolodzy, reszta to lekarze medycyny nuklearnej, onkolodzy i specjaliści data science. Co istotne: 92,6% ekspertów miało co najmniej 10 lat doświadczenia klinicznego, a ponad 60% ponad 20 lat. To nie panel entuzjastów nowych technologii bez stażu klinicznego, tylko grupa ludzi, którzy będą tę technologię wdrażać (albo odrzucać) we własnych oddziałach.

Metodologia była rygorystyczna: anonimowa ankieta elektroniczna, skala Likerta 1–9, konsensus zdefiniowany jako średnia ≥7 przy co najmniej 80% głosów ≥7. Statementy, które by tego progu nie osiągnęły, miały wracać do kolejnej rundy ale nie było takiej potrzeby, bo wszystkie 30 przeszło za pierwszym razem.

Pięć obszarów, w których AI ma dziś realne zastosowanie

1. Skrining onkologiczny

Konsensus popiera wykorzystanie dobrze zwalidowanych modeli AI jako narzędzi wspomagających radiologa w skriningu, z celem poprawy czułości i efektywności, nie zastąpienia lekarza. W praktyce przywołano tu m.in. badania nad AI jako "drugim czytającym" w skriningowej mammografii, gdzie w projektach typu paired-reader non-inferiority AI osiągało wykrywalność raka nieustępującą podwójnemu odczytowi radiologów, poprawiając jednocześnie przepustowość pracowni. Podobne wyniki odnotowano dla modeli deep learning analizujących rutynowe CT bez kontrastu pod kątem wykrywania raka trzustki, co otwiera drogę do tzw. opportunistic screening, czyli wychwytywania patologii "przy okazji" badań wykonywanych z innych wskazań.

2. Diagnostyka i charakterystyka zmian

Tu pojawia się jedno z ciekawszych zaleceń: łączenie cech radiomicznych z cechami wygenerowanymi przez deep learning, nie jedno albo drugie, tylko oba podejścia razem, dla poprawy stabilności i biologicznej interpretowalności modeli. Konsensus podkreśla też, że automatyczna lub półautomatyczna segmentacja zmian, połączona z przeglądem eksperckim, powinna być standardem redukującym subiektywność ręcznej konturacji.

Przykład z życia wzięty: multicentryczne badania nad modelem ThyNet pokazały, że AI potrafi różnicować zmiany łagodne i złośliwe tarczycy w USG na tyle skutecznie, że pozwala ograniczyć liczbę niepotrzebnych biopsji, bez utraty czułości diagnostycznej. To dokładnie ten typ zastosowania, który przekłada się na realną redukcję inwazyjności diagnostyki.

3. Staging i planowanie leczenia

Panel był tu wyraźnie ostrożny. AI ma wspierać ocenę stopnia zaawansowania (np. w trudnych do oceny sytuacjach jak naciek pozatorebkowy w nowotworach głowy i szyi czy mikroskopowa inwazja naczyniowa w raku wątrobowokomórkowym), ale nie powinno zastępować kompleksowej oceny klinicznej dopóki nie ma wystarczających dowodów prospektywnych. Eksperci wprost stwierdzili, że w pełni zautomatyzowane, specyficzne dla danego nowotworu systemy stagingu TNM nie są jeszcze gotowe do rutynowego użycia klinicznego, głównie z powodu heterogeniczności danych wieloośrodkowych, ograniczonej interpretowalności modeli i przewagi badań retrospektywnych jednoośrodkowych nad prospektywnymi.

W kontekście planowania leczenia zwrócono uwagę na dojrzałość różnych zastosowań segmentacji, segmentacja narządowa jest już stosunkowo dojrzała, natomiast segmentacja guzów litych pozostaje zmienna jakościowo, z udokumentowanymi lukami w międzynarodowych benchmarkach. Za bardziej dojrzałe uznano zastosowania segmentacji naczyniowej (np. algorytmy oparte na V-Net) wspierające planowanie zabiegów wątrobowych.

4. Ocena odpowiedzi na leczenie i rokowanie

To obszar szczególnie bliski praktyce onkologicznej i szczególnie trudny metodologicznie. Kryteria RECIST 1.1 pozostają standardem, ale mają wyraźne ograniczenia przy immunoterapii: zjawisko pseudoprogresji (przejściowe powiększenie zmiany, po którym następuje regresja) bywa mylnie klasyfikowane jako prawdziwa progresja choroby, co może prowadzić do przedwczesnego przerwania skutecznego leczenia. Nawet nowsze kryteria immunologiczne (irRC, irRECIST, iRECIST) nie rozwiązują w pełni problemu ilościowej oceny zmian pozadocelowych.

Konsensus popiera tu rozwój nieinwazyjnych, opartych na AI metod oceny odpowiedzi na leczenie, modeli radiomicznych wspierających różnicowanie pseudoprogresji od prawdziwej progresji, integrujących dane longitudinalne z wielu punktów czasowych oraz łączących obrazowanie strukturalne (CT, MRI) z funkcjonalnym (PET, DWI, DCE-MRI).

5. Standaryzacja danych, prywatność i wdrożenie kliniczne

Ta część konsensusu jest moim zdaniem najbardziej wartościowa praktycznie, bo dotyka tego, co realnie decyduje o sukcesie lub porażce wdrożenia AI w oddziale radiologii:

• Harmonizacja protokołów akwizycji między ośrodkami jako warunek generalizowalności modeli.

• Federated learning i inne techniki chroniące prywatność jako preferowany sposób współpracy wieloośrodkowej - bez bezpośredniego udostępniania surowych danych obrazowych. Uwaga eksperów: techniki różnicowej prywatności (dodawanie szumu do danych) mogą maskować klinicznie istotne cechy, np. mikrozwapnienia, obniżając czułość diagnostyczną.

• Interpretowalność modeli jako wymóg, a nie opcja - z konkretnymi technikami takimi jak SHAP (Shapley Additive exPlanations) dla modeli ML oraz Class Activation Mapping / Grad-CAM dla sieci głębokich.

• Integracja z PACS i RIS - bo narzędzie AI, które nie wpisuje się w istniejący workflow, w praktyce nie jest używane.

• Szkolenie lekarzy przed wdrożeniem oraz walidacja prospektywna lub dowody z warunków rzeczywistych przed wejściem do rutynowej praktyki.

• Monitoring po wdrożeniu — z jasnymi protokołami rekalibracji, retrenowania albo wycofania modelu w razie wykrycia dryfu danych lub spadku skuteczności.

Co z generatywną AI i dużymi modelami językowymi?

Co ciekawe, generatywna AI (duże modele językowe, modele multimodalne) nie znalazła się wśród 30 głównych stwierdzeń konsensusu, autorzy wprost zaznaczają, że traktują ją jako kierunek dopiero wyłaniający się, z potencjałem w dokumentacji, raportowaniu i syntezie informacji, ale obarczony ryzykiem halucynacji, problemami z prywatnością i niejasną odpowiedzialnością prawną. To uczciwe podejście, nie próbowano na siłę oceniać technologii, która nie ma jeszcze wystarczającej bazy dowodowej do sformalizowanego konsensusu.

Dlaczego to ma znaczenie dla nas w Polsce

Ten dokument nie jest polskim standardem i nie ma mocy wiążącej w naszym systemie ochrony zdrowia. Ale jako głos 81 doświadczonych klinicystów z kraju, który intensywnie inwestuje w AI medyczne, jest wartościowym punktem odniesienia, szczególnie w trzech miejscach:

1. AI jako asystent, nie decydent — to nie jest slogan, tylko powtarzający się motyw przez wszystkie 30 stwierdzeń. Nawet w obszarach o najwyższej dojrzałości technologicznej (skrining, segmentacja) rekomendacja brzmi: wsparcie decyzji, nie jej zastąpienie.

2. Interpretowalność jako wymóg kliniczny, nie akademicki — jeśli wdrażamy narzędzie AI w pracowni, powinniśmy móc zrozumieć, na czym opiera się jego wynik, i mieć możliwość jego odrzucenia.

3. Walidacja prospektywna i monitoring po wdrożeniu — konsensus jasno mówi, że sama dobra skuteczność w walidacji wewnętrznej nie wystarcza. Modele, które sprawdzają się na danych treningowych, regularnie tracą skuteczność w warunkach rzeczywistych (tzw. data shift i performance drift).

Podsumowanie

Ten konsensus nie jest przełomowym badaniem naukowym, to raczej mapa dojrzałości technologicznej AI w onkologicznym obrazowaniu, spisana przez ludzi, którzy na co dzień odpowiadają za wyniki tych badań. Największą wartością dokumentu jest to, że nie idealizuje AI ani go nie demonizuje: pokazuje konkretnie, gdzie technologia jest już użyteczna klinicznie (skrining, segmentacja, różnicowanie zmian ogniskowych), a gdzie wciąż brakuje dowodów wystarczających do samodzielnego podejmowania decyzji (pełny staging TNM, autonomiczne planowanie leczenia).

---

Źródło: Wu H, Yin X, Cheng J, et al. Chinese expert concern and consensus on applications of artificial intelligence in clinical cancer imaging. Insights Imaging. 2026;17:193. doi: 10.1186/s13244-026-02359-5