Karcinom pluća i dalje predstavlja vodeći uzrok mortaliteta medju malignim oboljenjima u svetu, čemu doprinosi i činjenica da se kod velikog broja pacijenata dijagnostikuje u uznapredovalom stadijumu bolesti, što značajno utiče na mogućnosti sprovođenja onkološkog lečenja i njegovog ishoda (1). Upravo zbog toga, primena naprednih tehnoloških rešenja sve više se nameće kao ključni saveznik u pravovremenoj dijagnostici i optimizaciji terapijskog pristupa. Brzina uvodjenja veštačke inteligencije u svakodnevnu onkološku praksu znatno nadmašuje brzinu postizanja konsenzusa o njenoj primeni. (2) U tom svetlu, jedna od ključnih tema na nedavno održanom svetskom kongresu u Seulu (WCLC), bila je i definisanje standarda za bezbednu kliničku implementaciju veštačke inteligencije, premošćavanje tehnološkog jaza i očuvanje integriteta terapijskog procesa.

Kao odgovor na nekontrolisan i stihijski razvoj tehnologije, Međunarodno udruženje za proučavanje karcinoma pluća (IASLC) formiralo je globalnu radnu grupu, sa zadatkom da izradi jedinstveni metodološki okvir za odgovornu primenu algoritama. Ova inicijativa strukturisana je kroz četiri ključna stuba: standardizaciju naučnih dokaza, svrsishodnu kliničku translaciju, etičku odgovornost i globalnu pravičnost. Planirano je uspostavljanje otvorene platforme koja će omogućiti bolnicama širom sveta da razvijaju lokalno adaptirane modele, dok su istovremeno pokrenute sveobuhvatne međunarodne ankete za lekare i pacijente radi preciznog mapiranja stvarnih potreba i izazova u praksi. Samo kroz osiguranje globalne jednakosti — stvaranjem modela koji su relevantni i primenjivi u različito razvijenim zdravstvenim sistemima — veštačka inteligencija može prerasti iz privilegije razvijenih u univerzalan standard savremene onkološke prakse.

U domenu praktične primene, algoritmi već pokazuju visoku stopu zrelosti u ranoj dijagnostici i optimizaciji dijagnostičkih protokola. Napredni sistem za analizu niskodoznog CT-a značajno redukuju stopu lažno pozitivnih nalaza u skriningu, dok digitalna patologija i prediktivni modeli omogućavaju brzu procenu mutacionog statusa direktno iz standardnih histoloških preparata (3,4). Poseban naučni proboj predstavlja obimna evropska multicentrična studija koja je obuhvatala približno 2.400 pacijenata obolelih od nesitnoćelijskog karcinoma pluća, objavljena u časopisu Nature Medicine. Istraživanje je potvrdilo da primena transparentne veštačke inteligencije (XAI - Explainable Artificial Intelligence), koja jasno prikazuje na osnovu kojih parametara i podataka je doneta odluka, povećava preciznost lekara u predviđanju kontrole bolesti i stopa preživljavanja za više od 35%. (5)

Ipak, sama komercijalna dostupnost softverskih rešenja ne podrazumeva automatsku opremljenost zdravstvenih ustanova za njihovu bezbednu i odgovornu upotrebu. Od preko 1.300 odobrenih algoritama u medicini, svega 2,5% povezano je sa prospektivnim kliničkim studijama, dok je tek neznatan deo procenjen na osnovu direktnog uticaja na ishode lečenja pacijenata (6) Budući da prediktivni modeli neretko usvajaju tehničke artefakte snimaka umesto stvarne patologije, imperativ bezbedne primene nalaže obaveznu validaciju svakog algoritma na lokalnoj populaciji uz uspostavljanje jasne strukture i imenovanje stručnog lica za kontinuirani nadzor (7)

Veštačka inteligencija u onkologiji ne sme potisnuti kliničko rasuđivanje, već mora delovati kao pouzdan instrument za podršku u donošenju odluka, čime se omogućava brža, preciznija i personalizovanija nega pacijenata. Ovi sistemi predstavljaju vrednu dopunu onkološkoj praksi, dok ljudska stručnost, etički principi i individualni pristup pacijentu ostaju nezaobilazni temelji lečenja.