هوش مصنوعی می تواند به پیش بینی خطر ابتلا به مری بارت و سرطان مری کمک کند

یادداشت ویراستار: آوریل ماه آگاهی از سرطان مری است.

سرطان مری تنها حدود 1 درصد موارد جدید سرطان در ایالات متحده، بسیار پایین تر از سطوح در سایر نقاط جهان است. با این حال، میزان بقا پایین است زیرا اغلب در مراحل بعدی که علائمی مانند مشکل در بلع، بدتر شدن سوزش سر دل، سرفه و گرفتگی صدا شروع شده است، تشخیص داده می شود.

داشتن تغییرات پیش سرطانی در سلول های مری، وضعیتی به نام مری بارت یک عامل خطر برای سرطان مری. مری بارت ناشی از بیماری بازگشت اسید به مری (GERD)، که زمانی اتفاق می‌افتد که اسید معده مکرراً به مری برمی‌گردد و پوشش مری را تحریک می‌کند.

عوامل خطر برای مری بارت عبارتند از:

• شما سابقه خانوادگی سرطان مری بارت یا سرطان مری دارید.
• مرد بودن
• سفید بودن
• بالای 50 سال سن داشته باشید.
• دل درد مزمن و رفلاکس اسید معده دارید.
• سیگاری بودن یا سیگاری بودن.
• اضافه وزن داشتن.

متخصصان سرطان مری غربالگری مری بارت را در افرادی که عوامل خطر متعددی دارند توصیه می کنند. غربالگری شامل روشی به نام است آندوسکوپی. در طول آندوسکوپی، یک متخصص مراقبت های بهداشتی یک لوله روشن با یک دوربین در انتهای گلوی شما (اندوسکوپ) را برای بررسی علائم تغییرات در بافت مری شما عبور می دهد.

با وجود این توصیه ها، میزان غربالگری مری بارت پایین است. Prasad Iyer, Ph.Dمتخصص گوارش و محقق کلینیک مایو، در حال تلاش برای تغییر آن است.

او می گوید: «ما اکنون به ابزارهای غربالگری جدید و کم تهاجمی برای مری بارت دسترسی داریم. با این حال، نیاز اساسی به توسعه ابزارهای ارزیابی خطر دقیق‌تر برای مری بارت و سرطان مری وجود دارد که بتوان به راحتی با داده‌های پرونده الکترونیک سلامت مورد استفاده قرار گیرد.»

چنین ابزارهایی به متخصصان سلامت کمک می کند تا افرادی را که احتمالاً از غربالگری سود می برند، شناسایی کنند.

برای رفع این نیاز، دکتر ایر و تیمی از محققان ابزاری را توسعه داده و آزمایش کردند که از هوش مصنوعی (AI) برای پیش‌بینی خطر ابتلا به سرطان مری و مری بارت بر اساس داده‌های یک پایگاه داده بزرگ از پرونده‌های سلامت الکترونیکی شناسایی نشده استفاده می‌کند. نتایج تحقیقات آنها در گوارش بالینی و ترجمه در سال 2023

نحوه انجام تحقیق

دکتر ایر و تیم تحقیقاتی او از یک مدل هوش مصنوعی که بر اساس سوابق سلامت الکترونیکی شناسایی نشده 6 میلیون بیمار کلینیک مایو ساخته شده بود استفاده کردند تا ابزاری برای پیش‌بینی خطر ایجاد کنند که می‌تواند خطر مری بارت و سرطان مری را حداقل یک سال قبل از آن تعیین کند. تشخیص.

ابزار پیش‌بینی خطر را می‌توان با یک پرونده الکترونیک سلامت ادغام کرد و در صورت لزوم، متخصص مراقبت‌های بهداشتی را وادار کرد تا بیمار را از نظر مری بارت غربال کند.

بر اساس یادداشت های بالینی، آندوسکوپی، آزمایشگاهی و پاتولوژی در پرونده الکترونیک سلامت، محققان 8476 نفر مبتلا به مری بارت، 1539 نفر مبتلا به سرطان مری و 252276 نفر را در گروه کنترل شناسایی کردند. سپس از این گروه ها برای توسعه مدل های پیش بینی برای ابزار پیش بینی ریسک استفاده کردند.

نتایج مطالعه

نتایج مطالعه نشان می دهد که مدل های پیش بینی ابزار از دقت بالایی برخوردار هستند:

• این ابزار مری بارت را با حساسیت 76 درصد (نسبت نمونه ها به درستی به عنوان منفی شناسایی شده)، 76 درصد ویژگی (نسبت نمونه ها به درستی به عنوان مثبت شناسایی شده) و ناحیه زیر منحنی مشخصه عملکرد گیرنده (AUROC) 0.84 پیش بینی کرد. AUROC معیاری است که برای اندازه گیری کیفیت پیش بینی های تولید شده توسط یک مدل هوش مصنوعی استفاده می شود. از 0 تا 1 متغیر است که 1 بالاترین کیفیت است.
• این ابزار سرطان مری را با حساسیت 84 درصد، ویژگی 70 درصد و AUROC 0.84 پیش بینی کرد.
• این ابزار همچنین عوامل خطر شناخته شده برای مری بارت و سرطان مری و همچنین عوامل خطر جدیدی را که باید در نظر گرفته شود، شناسایی می کند. بیماری عروق کرونر، تری گلیسیرید سطوح و سطوح الکترولیت

او می گوید: «این ابزار را می توان در پرونده الکترونیک سلامت ادغام کرد و با یک ابزار غربالگری کم تهاجمی (غیر آندوسکوپی) ترکیب کرد و توسط متخصصان بهداشت در مراقبت های اولیه استفاده کرد.

دکتر ایر خاطرنشان می کند که برای روشن شدن اینکه چه زمانی متخصصان بهداشت باید غربالگری را توصیه کنند، و همچنین روشن شدن جزئیات دیگر، تحقیقات بیشتری مورد نیاز است. او می‌گوید: آزمایش این ابزار پیش‌بینی خطر در بیماران و ارزیابی اثربخشی این ابزار از گام‌های مهم بعدی است.

این داستان در ابتدا در تاریخ منتشر شد وبلاگ جامع سرطان مایو کلینیک.

پست های مشابه: