تحقیقات جدیدی از محققان کلینیک مایو نشان میدهد که یک مدل هوش مصنوعی میتواند با استفاده از سوابق الکترونیکی سلامت و دادههای آزمایشگاهی، افراد در معرض خطر بالای ابتلا به سرطان پانکراس را تا ۵ سال قبل از تشخیص شناسایی کند.
این یافتهها عملکرد پیشبینی امیدوارکنندهای را نشان میدهند و به نظر میرسد که این مدل هوش مصنوعی میتواند بهطور مؤثری افراد با خطر بالاتر و پایینتر ابتلا به سرطان پانکراس را تشخیص دهد. با این حال، تحقیقات بیشتری لازم است و آزمایشهای پیشبینی در حال انجام است تا ارزیابی شود که آیا این مدل میتواند نقشی در مراقبتهای بالینی روزمره ایفا کند یا خیر.

آنچه در این مقاله میخوانید
خطر بالای مرگ و میر ناشی از سرطان پانکراس
سرطان پانکراس نسبتاً نادر است اما بار مرگ و میر بالایی دارد. در ایالات متحده، پیشبینیها نشان میدهد که حدود ۶۷,۵۳۰ نفر در سال ۲۰۲۶ به این بیماری مبتلا خواهند شد و ۵۲,۷۴۰ نفر بر اثر آن جان خود را از دست خواهند داد. با وجود اینکه سرطان پانکراس تقریباً ۳ درصد از تمام موارد جدید سرطان را تشکیل میدهد، اما مسئول حدود ۸ درصد از مرگ و میرهای ناشی از سرطان است که نشاندهنده بار مرگ و میر بالای آن است.
تشخیص سرطان پانکراس میتواند دشوار باشد و بسیاری از موارد پس از گسترش بیماری تشخیص داده میشوند. تشخیص زودهنگام میتواند بهویژه مفید باشد، زیرا دادهها نشان میدهند که نرخ بقای نسبی ۵ ساله حدود ۴۴ درصد است زمانی که سرطان هنوز در محل خود قرار دارد، در مقایسه با تنها ۳ درصد زمانی که به نواحی دورتر گسترش یافته است.
مدل هوش مصنوعی و شناسایی خطر
محققان این مدل را با استفاده از اطلاعات بهداشتی طولی از سیستم بهداشتی کلینیک مایو توسعه دادند. این شامل سوابق الکترونیکی سلامت تقریباً ۴۰,۰۰۰ بیمار و نتایج آزمایشهای آزمایشگاهی روتین جمعآوریشده در طول سالها بود. در این مطالعه، ۶,۰۶۶ نفر به سرطان پانکراس مبتلا شدند و ۳۳,۳۹۶ نفر بهعنوان گروه کنترل در نظر گرفته شدند.
هدف محققان این بود که بررسی کنند آیا الگوهای موجود در دادههای پزشکی روتین میتواند نشانههای ظریفی را که با خطر بالای آینده سرطان پانکراس مرتبط هستند، نشان دهد. این سرطان میتواند طی سالها توسعه یابد، اما نشانههای بالینی که پزشک یا بیمار را به بررسی بیماری ترغیب کند، ممکن است تا مدتها بعد ظاهر نشود.
عملکرد مدل هوش مصنوعی
محققان توانایی مدل را در تشخیص افراد در معرض خطر سرطان پانکراس ارزیابی کردند. این مدل در ۵ سال قبل از تشخیص سرطان، موفق به کسب نمره ۰.۸۵۳ در منحنی ویژگیهای عملکرد (AUROC) شد. همچنین نمره ۰.۷۱۲ در منحنی دقت-احضار (AUPRC) را به دست آورد.
محققان همچنین به ارزیابی دقت پیشبینیهای مدل پرداختند و دریافتند که پیشبینیهای مدل بهطور قابل توجهی تحت تأثیر آزمایشهای خون روتین قرار دارد. این نتایج نشان میدهد که این مدل میتواند به شناسایی افرادی که ممکن است به سرطان پانکراس مبتلا شوند، کمک کند.
چالشهای آینده و کاربرد بالینی
یافتههای کنونی تنها یک گام اولیه هستند و هنوز شواهدی مبنی بر آماده بودن مدل هوش مصنوعی برای استفاده بهعنوان یک تست غربالگری سرطان پانکراس وجود ندارد. محققان در حال حاضر در حال انتقال مدل به تحقیقات پیشبینی در کلینیک مایو هستند و همچنین قصد دارند آن را در یک سیستم بهداشتی غیر از مایو ارزیابی کنند.
سوال مهم دیگر این است که پس از شناسایی افرادی که در معرض خطر بالای ابتلا به سرطان هستند، چه اقداماتی باید انجام شود. ابزار پیشبینی میتواند منجر به آزمایشهای اضافی یا تصویربرداری شود، اما این پیگیری باید مزایای بالقوه تشخیص زودهنگام سرطان را در برابر خطرات و هزینههای مرتبط با نتایج مثبت کاذب متعادل کند.




دیدگاه شما