غربالگری سرطان لوزالمعده با استفاده از هوش مصنوعی

3 اوت2020- دکتر. آنانیا مالوترا در مورد آخرین تحقیقات خود در مورد سرطان لوزالمعده و چگونگی بهبود پیش آگهی آن با استفاده از هوش مصنوعی با News-Medical صحبت کرده است.

چه چیزی باعث شد این تحقیق را آغاز کنید؟

پیش آگهی سرطان های مختلف، از جمله تومورهای لوزالمعده، در دهه های اخیر برخلاف افزایش چشمگیر بقای افراد در اکثر سرطان ها، به سختی بهبود یافته است. ما احساس کردیم که یک رویکرد جدید برای رفع این شکاف لازم است.

چرا غربالگری همه ی افراد برای سرطان لوزالمعده مشکل است؟

سرطان لوزالمعده یک بیماری بسیار نادر، با 8 تا 12 مورد جدید در سال در صد هزار نفر جمعیت است. با توجه به شیوع کم این بیماری، غربالگری کل جمعیت نه عملی است و نه کار صحیحی است. نشانگرهای تشخیصی فعلی در هر سرطان بسیار گران قیمت هستند و به دلیل هزینه و عوارض ناشی از آزمایش تهاجمی به چالش کشیده می شوند.

چرا غربالگری مهم است؟

غربالگری سرطان به معنای آزمایش علائم اولیه سرطان در افراد بدون علامت است. هدف این است که به تشخیص زودهنگام سرطان در مراحل اولیه ی آن کمک کنیم، این بدان معناست که از نظر احتمال زنده ماندن، درمان ممکن است موفق تر باشد.

الزامات غربالگری چیست و ارتباط آن با سرطان لوزالمعده چگونه است؟

بر اساس معیارهای WHO ، یک برنامه غربالگری موثر باید ویژگی های مشخصی را داشته باشد که در آدرس زیر می توانید آنها را مطالعه کنید:

 https://www.who.int/cancer/prevention/diagnosis-screening/screening/en/

برای حمایت از یک الگوی غربالگری سرطان لوزالمعده، با توجه به شیوع بسیار کم این بیماری، اگر یک غربالگری هدفمند را روی یک گروه پرخطر انجام دهیم، موثرتر خواهد بود.

چندین نشانگرهای زیستی مورد بررسی قرار گرفته است که به طور بالقوه در ادرار قابل تشخیص هستند.

ما در هیچ یک از این تحقیقات درگیر نبوده ایم و چیزی درمورد اینکه کدام آزمایش یا نشانگر تجاری باید استفاده شود، چیزی نمی گوییم، اما اگر یک آزمایش غیر تهاجمی دقیق عمل کند، الگوریتمی که ما در حال توسعه ی آن هستیم می تواند برای تسهیل غربالگری هدفمند از آن استفاده نماید تا غربالگری تنها در بین افرادی که احتمال ابتلا به سرطان لوزالمعده در آنها بالاتر است، انجام شود.

چه علائمی با علائم اولیه ی سرطان لوزالمعده مرتبط هستند؟ چگونه هوش مصنوعی می تواند این موارد را برای تعیین افراد پرخطر تحلیل کند؟

ما علائمی را که قبلاً به عنوان علائم مرتبط با سرطان لوزالمعده در انتشارات علمی گزارش شده بود، و همچنین علایم دیگری که با فرکانس بالا در داده های بهداشتی بیماران ثبت شده بود، را در اختیار هوش مصنوعی قرار دادیم . برخی از افراد دارای این علایم، بعداً مبتلا به سرطان لوزالمعده تشخیص داده شده بودند.

بنابراین، مواردی را که انتظار داشتیم مشاهده کنیم مانند درد شکمی، کمردرد، کم خونی، کاهش وزن، دیابت و زردی و همچنین موارد اندک دیگری که خیلی آشکار و واضح با این بیماری مرتبط نبودند، مانند بی خوابی، خستگی و افسردگی را در نظر گرفتیم. این مدل نمره ی ریسک را براساس تمامی متغیرها پیش بینی می کند، بنابراین تاکید بر یک یا دو معلامت برای تعیین افراد در معرض خطر صحیح نیست.

چگونه هوش مصنوعی را آزمایش کردید؟

بیماران مبتلا به سرطان لوزالمعده معمولاً بسیار دیر تشخیص داده می شوند، اما اکثر آنها تا چند سال قبل از تشخیص سرطان با دلایل غیر اختصاصی با پزشک معالج خود مشورت کرده اند. با این حال، این علائم فردی با افزایش خطر ابتلا به سرطان لوزالمعده همراه نیستند. ما فرض کردیم که می توان ترکیبی از علائم (غیر اختصاصی) را پیدا کرد که با خطر بیشتری برای سرطان لوزالمعده مرتبط باشند.

برای شناسایی این ترکیب، از هوش مصنوعی استفاده کردیم که به ماشین اجازه می دهد داده ها را مورد مطالعه قرار دهد، و به دنبال الگویی در داده ها بگردد و بر اساس مثالهایی که ما به آن ارائه می دهیم در آینده تصمیمات بهتری بگیرد. این الگوریتم ها آنچه را در گذشته آموخته اند، بروی داده های جدید اعمال می کنند تا وقایع آینده را پیش بینی کنند.

در مقایسه با تکنیک های معمولی برنامه نویسی، الگوریتم های یادگیری ماشین به طور خودکار قواعد را از میان داده ها پیدا می کند، بنابراین بسیار قدرتمندتر عمل می کنند. از آنجایی که با حجم زیادی از داده ها سر و کار داریم، چشم انسان نمی تواند روند داده ها و قوانین و الگوهای کد شده را شناسایی کند.

یافته های شما چه بود؟

این مطالعه مقدماتی نشان داد که در افراد زیر 60 سال، این مدل می تواند پیش بینی کند که چه کسی در معرض خطر بیشتری برای سرطان لوزالمعده تا 20 ماه قبل از تشخیص قرار دارد. مدل ما تخمین زده است که برای نجات یک زندگی از سرطان لوزالمعده باید حدود 1500 تست انجام شود. بعید است که با این اندازه از آزمایشات هنوز بتوان یک غربالگری را عملی کرد.

با این حال، یافته های اولیه نشان می دهد که هوش مصنوعی این پتانسیل را دارد که تعداد افرادی که به غربالگری نیاز دارند را کاهش دهد. ما باید با تطبیق بیماران مبتلا به سرطان لوزالمعده با افراد گروه کنترل بتوانیم این موارد را به مراتب کاهش دهیم. این همان کاری است که ما قصد داریم در آینده انجام دهیم.

چگونه می توان از این فناوری در آینده برای مقابله با سرطان لوزالمعده استفاده کرد؟

هوش مصنوعی ابزاری باورنکردنی برای تشخیص خودکار الگوها و قاعده ها و قوانین در داده ها است. با استفاده از این اطلاعات، الگوریتم های یادگیری ماشین کار می کنند و نتایج را پیش بینی می کنند مانند طبقه بندی داده ها به دسته های مختلف.

به عنوان مثال، هدف ما در این پروژه ایجاد الگوریتمی برای تعیین نمره ی خطر برای بروز سرطان لوزالمعده در یک بیمار بود. این نمره خطر بر تمام علائمی مبتنی است که در بیماران مبتلا به سرطان لوزالمعده ایجاد و در افرادی که به این بیماری مبتلا نشده اند، ایجاد نمی شود.

در مورد مراحل بعدی این تحقیق صحبت کنید؟

یافته های ما مبتنی بر بیمارانی است که سرطان لوزالمعده ی آنها بین سال های 2005 تا 2010 تشخیص داده شده است. ما می خواهیم یافته های اولیه خود را به داده های جدیدتر و به روز تر گسترش دهیم. ما همچنین قصد داریم اطلاعات بیماران را 2 سال قبل از تشخیص بررسی کنیم، این بدان معناست که حتی ممکن است بتوانیم بیماران پرخطر را زودتر تشخیص دهیم.

مدل ما از نظر specificity قدرت پایینی دارد. محتمل ترین علت این امر می تواند استفاده از بیماران سرطانی به عنوان کنترل هایی باشد که علائم هشدار دهنده ی مشترکی دارند. از این رو، ما می خواهیم روش های خود را بر روی جمعیت عمومی به کار بگیریم.

نتایج ما حاکی از اهمیت نسبی متغیرهایی مانند استعمال سیگار و دیابت است و با توجه به اینکه می خواهیم یک تجزیه و تحلیل طبقه بندی شده انجام دهیم، علاوه بر این باید گروه کنترل را بر اساس استعمال دخانیات یا دیابت نیز با گروه آزمایش تطبیق دهیم. در آخر، ما مایل به ارزیابی مقرون به صرفه بودن نسبی روش خود نسبت به سایر برنامه های غربالگری هستیم.

خوانندگان از کجا می توانند در این زمینه اطلاعات بیشتری کسب کنند؟

ما در حال ارسال مقاله ی این تحقیق برای چاپ هستیم. با این حال، اطلاعات بیشتر را می توانید در وب سایت ما بیابید:

https://icon.lshtm.ac.uk/risk-score-for-pancreatic-cancer/

منبع:

https://www.news-medical.net/news/20200803/Screening-for-pancreatic-cancer-using-artificial-intelligence.aspx