استخدام «الذكاء الاصطناعي» للتنبؤ بخطر الإصابة بسرطان البنكرياس
طبق باحثون، طرق الذكاء الاصطناعي على البيانات السريرية الطولية في العالم الحقيقي؛ لتصميم برامج مراقبة للاكتشاف المبكر للمرضى المعرضين لخطر مرتفع للإصابة بأحد أكثر الأمراض عدوانية، وهو سرطان البنكرياس.
وأشار مقال نُشر مؤخرًا في مجلة ”Nature Medicine“، إلى تزايد معدل الإصابة بسرطان البنكرياس، ما يجعله سببًا رئيسيًا للوفيات المرتبطة بالسرطان في جميع أنحاء العالم.
ويعيق الاكتشاف المتأخر في المراحل النقيلية المتقدمة أو البعيدة، العلاج، ما يجعل بقاء المريض على قيد الحياة أمرًا غير شائع ”يعيش اثنان إلى تسعة في المائة فقط من هؤلاء المرضى في عمر خمس سنوات“.
وأوضح الباحثون أن الفحص على مستوى السكان على أساس العمر، غير عملي بسبب التكلفة العالية للاختبارات السريرية، والتي تؤدي أيضًا إلى نتائج إيجابية كاذبة.
واستخدم الباحثون السجلات السريرية الطولية الواقعية لأعداد كبيرة من المرضى؛ لتحديد عدد قليل جدًا من المرضى المعرضين لخطر الإصابة بسرطان البنكرياس، واستغلوا أساليب التعلم الآلي التي تم تطويرها مؤخرًا، باستخدام سجلات المرضى من السجل الوطني الدنماركي للمرضى، وبالتالي من مستودع بيانات الشركة التابع لشئون المحاربين القدامى في الولايات المتحدة.
وتضمنت الأولى بيانات عن 8,6 مليون مريض تم تسجيلهم بين عامي 1977 و018، وهو ما يعادل 24000 حالة سرطان، في حين أن الأخير كان لديه بيانات سريرية لثلاثة ملايين مريض مع 3900 حالة سرطان البنكرياس.
وعمل الفريق على تدريب واختبار مجموعة متنوعة من نماذج ML على تسلسل رموز المرض في السجلات السريرية، واختبار التنبؤ بحدوث السرطان خلال فترات زمنية إضافية تسمى شبكة مخاطر السرطان، وفي بناء النماذج التنبؤية.
واستخدم الفريق الرموز التشخيصية من فئة التصنيف الدولي للأمراض المكونة من ثلاثة أحرف، وحدد ”مرضى سرطان البنكرياس“ كمرضى لديهم رمز واحد على الأقل تحت C25، ما يشير إلى ورم خبيث في البنكرياس.
وجاءت دقة رموز تشخيص السرطان 98%، وحدد الباحثون أي التشخيصات في تاريخ المريض لرموز التشخيص كانت أكثر إفادة لمخاطر الإصابة بالسرطان لاقتراح برنامج مراقبة مثالي.
ويُمكن للذكاء الاصطناعي في السجلات السريرية من العالم الحقيقي أن يحول التركيز من مرحلة العلاج المتأخر إلى علاج السرطان في المراحل المبكرة، والذي بدوره سيحسن بشكل كبير جودة حياة جميع المرضى مع زيادة نسبة الفائدة إلى التكلفة.
