محققان ابزار هوش مصنوعی معروف به Sybil را آزمایش کردند که بر اساس تجزیه و تحلیل اسکن های LDCT از بیماران در ایالات متحده و تایوان میتواند به طور دقیق خطر ابتلا به سرطان ریه را برای افراد با یا بدون سابقه مصرف سیگار پیش بینی کند.

ساخت ابزاری با هوش مصنوعی برای پیش بینی سرطان ریه

محققان ابزاری به نام Sybil را برای پیش بینی خطر ابتلا به سرطان ریه تا ۶ سال آینده توسعه دادند.

به گزارش سلامت نیوز به نقل از دیجیتال هلث نیوز سرطان ریه عامل اصلی مرگ ناشی از سرطان در ایالات متحده و سراسر جهان است. توموگرافی کامپیوتری قفسه سینه با دوز پایین (LDCT) برای غربالگری افراد بین 50 تا 80 سال با سابقه مصرف سیگار و یا افرادی که در حال حاضر سیگار می‌کشند، توصیه می‌شود.

نشان داده شده است که غربالگری سرطان ریه با LDCT مرگ ناشی از سرطان ریه را تا 24 درصد کاهش می دهد.

اما با افزایش نرخ سرطان ریه در میان غیر سیگاری ها، استراتژی های جدیدی برای غربالگری و پیش بینی دقیق خطر سرطان ریه در جمعیت وسیع تری مورد نیاز است.

مطالعه‌ای که توسط محققان مرکز سرطان عمومی مس ، ابزار هوش مصنوعی معروف به Sybil را توسعه و آزمایش کرد. بر اساس تجزیه و تحلیل اسکن های LDCT از بیماران در ایالات متحده و تایوان، Sybil به طور دقیق خطر ابتلا به سرطان ریه را برای افراد با یا بدون سابقه مصرف سیگار قابل توجه پیش بینی کرد. نتایج در Journal of Clinical Oncology منتشر شده است.

دکتر لسیا سیکوییست گفت: «میزان سرطان ریه در بین افرادی که هرگز سیگار نکشیده‌اند یا سال‌ها است سیگار نکشیده‌اند همچنان در حال افزایش است، که نشان می‌دهد عوامل خطر زیادی در خطر ابتلا به سرطان ریه نقش دارند که برخی از آنها در حال حاضر ناشناخته هستند».

فلوریان فینتلمن، یکی از نویسندگان بخش رادیولوژی، بخش تصویربرداری و مداخله قفسه سینه در بیمارستان عمومی ماساچوست، گفت: "سیبیل تنها به یک LDCT نیاز دارد و به داده های بالینی یا حاشیه نویسی رادیولوژیست بستگی ندارد."

تیم Sybil را با استفاده از سه مجموعه داده مستقل تأیید کرد - مجموعه ای از اسکن های بیش از شش هزار شرکت کننده NLST که Sybil قبلاً آنها را ندیده بود. بیش از هشت هزار LDCT از بیمارستان عمومی ماساچوست و بیش از دوازده هزار LDCT از بیمارستان یادبود چانگ گونگ در تایوان. مجموعه اخیر اسکن ها شامل افرادی با طیف وسیعی از سابقه مصرف سیگار، از جمله کسانی که هرگز سیگار نکشیده اند، می شود.

Sybil قادر به پیش بینی دقیق خطر سرطان ریه در این مجموعه ها بود. محققان تعیین کردند که Sybil تا چه اندازه از ناحیه زیر منحنی (AUC) استفاده می‌کند، معیاری است که نشان می‌دهد چقدر یک آزمایش می‌تواند بین بیماری و نمونه‌های عادی تمایز قائل شود .

Sybil سرطان را در عرض یک سال با AUCهای 0.92 برای شرکت‌کنندگان اضافی NLST، 0.86 برای مجموعه داده‌های MGH و 0.94 برای مجموعه داده‌های تایوان پیش‌بینی کرد. این برنامه سرطان ریه را طی شش سال با AUCهای 0.75، 0.81 و 0.80 به ترتیب برای سه مجموعه داده پیش بینی کرد.

دکتر رجینا بارزیلای، یکی از نویسندگان و سرپرست هیئت علمی کلینیک جمیل، گفت: «سیبیل می تواند به یک تصویر نگاه کند و خطر ابتلای بیمار به سرطان ریه را طی شش سال پیش بینی کند.

محققان خاطرنشان می‌کنند که این یک مطالعه گذشته‌نگر است و مطالعات آینده‌نگر که بیماران را در آینده دنبال می‌کنند برای تأیید اعتبار Sybil مورد نیاز است. علاوه بر این، شرکت‌کنندگان آمریکایی در این مطالعه عمدتاً سفیدپوست بودند (92 درصد)، و مطالعات آینده برای تعیین اینکه آیا سیبیل می‌تواند سرطان ریه را در میان جمعیت‌های مختلف به‌طور دقیق پیش‌بینی کند، مورد نیاز است.

سیکوییست و همکارانش به زودی یک آزمایش بالینی آینده نگر را افتتاح خواهند کرد تا Sybil را در دنیای واقعی آزمایش کنند و بفهمند که چگونه کار رادیولوژیست ها را تکمیل می کند. این کد نیز در دسترس عموم قرار گرفته است.

سیکوییست گفت: "در مطالعه ما، Sybil قادر به تشخیص الگوهای خطر از LDCT بود که برای چشم انسان قابل مشاهده نیست. ما هیجان زده هستیم که این برنامه را بیشتر آزمایش کنیم تا ببینیم آیا می تواند اطلاعاتی را اضافه کند که به رادیولوژیست ها در تشخیص کمک کند و ما را در مسیری برای شخصی سازی غربالگری بیماران قرار دهد.

برچسب‌ها

نظر شما

شما در حال پاسخ به نظر «» هستید.
0 + 0 =