Η τεχνητή νοημοσύνη προβλέπει τον καρκίνο του πνεύμονα – Νέα μελέτη

Χείρα βοηθείας προσφέρει η τεχνητή νοημοσύνη καθώς συμβάλλει στην πρόληψη  ανάπτυξης καρκινικού όγκου του πνεύμονα μετά την ακτινοβολία. Η  έγκαιρη πρόληψη της αναγέννησης του όγκου θα μπορούσε να βελτιώσει σημαντικά στην επιβίωση ασθενών με μη μικροκυτταρικό καρκίνο του πνεύμονα (NSCLC).

Με δεδομένο ότι ο καρκίνος του πνεύμονα είναι μια ιδιαίτερα θανατηφόρα ασθένεια, καθώς το ένα τρίτο των ασθενών με την πιο κοινή μορφή, τον μη μικροκυτταρικό καρκίνο του πνεύμονα (NSCLC), εμφανίζει υποτροπή μετά τη θεραπεία, το ποσοστό επιβίωσης εκτιμάται σε μόλις 15%. Μια ομάδα ερευνητών από το Ηνωμένο Βασίλειο ανέπτυξε ένα εργαλείο που μπορεί να  αποτελεί «σωσίβιο» για τους ασθενείς, σύμφωνα με το fiercebiotech.com.

Η μελέτη

Όπως δημοσίευσαν στο περιοδικό eBioMedicine, οι ερευνητές του Royal Marsden NHS Foundation Trust, του Ινστιτούτου Έρευνας για τον Καρκίνο με έδρα το Λονδίνο και του Imperial College του Λονδίνου δημιούργησαν ένα μοντέλο τεχνητής νοημοσύνης. Το συγκεκριμένο «εργαλείο» μπορεί να προβλέψει σε ατομικό επίπεδο τον κίνδυνο υποτροπής του ασθενούς με καρκίνο του πνεύμονα εντός δύο ετών από την ακτινοθεραπεία. Οι επιστήμονες άρχισαν εφαρμόζοντας λίγους αλγόριθμους μηχανικής μάθησης  αναδρομικά σε ένα σύνολο δεδομένων που περιλάμβανε περισσότερους από 650 ασθενείς με NSCLC, με μέσο χρόνο παρακολούθησης λίγο περισσότερο από δύο χρόνια μετά τη θεραπεία.

Κάθε αλγόριθμος έλαβε υπόψη ένα διαφορετικό σύνολο δεδομένων ασθενών, επιτρέποντας στους ερευνητές να εντοπίσουν ποιοι μεμονωμένοι παράγοντες φαίνεται να έχουν τη μεγαλύτερη επίδραση στην πιθανότητα υποτροπής ενός ατόμου. Στη συνέχεια οι ερευνητές χάρη στα ευρήματα μπορούσαν να δημιουργήσουν ένα νέο μοντέλο με βάση μόνο τους πιο σημαντικούς παράγοντες. Τελικά, αυτοί περιλάμβαναν το μέγεθος και το στάδιο του όγκου του ασθενούς και τον τύπο και την ένταση της ακτινοθεραπείας στην οποία υποβλήθηκε, καθώς και τον δείκτη καπνίσματος, τον δείκτη μάζας σώματος και την ηλικία του.Το μοντέλο τεχνητής νοημοσύνης που προέκυψε ήταν σε θέση να προβλέψει τον διετή κίνδυνο υποτροπής ενός ασθενούς με μεγαλύτερη ακρίβεια από τις τρέχουσες μεθόδους, συμπεριλαμβανομένου του ευρέως χρησιμοποιούμενου συστήματος σταδιοποίησης TNM.

Αναφερόμενος στην δυνατότητα πρόληψης χάρη στην τεχνητή νοημοσύνη ο Richard Lee, M.B.B.S., Ph.D., επικεφαλής ερευνητής της μελέτης επεσήμανε ότι «η υποτροπή αποτελεί επίσης βασική πηγή άγχους για τους ασθενείς. Η μείωση του αριθμού των σαρώσεων που απαιτούνται σε αυτό το πλαίσιο μπορεί να είναι χρήσιμη και επίσης να μειώσει την έκθεση στην ακτινοβολία, τις επισκέψεις στο νοσοκομείο και να κάνει πιο αποτελεσματική χρήση των πολύτιμων πόρων του ΕΣΥ».

Εφαρμογή στο μέλλον

Με βάση το γεγονός ότι το μοντέλο βασίζεται σε εύκολα προσβάσιμα κλινικά δεδομένα, οι ερευνητές δήλωσαν ότι θα μπορούσε εύκολα να εφαρμοστεί από παρόχους υγειονομικής περίθαλψης σε όλο το Ηνωμένο Βασίλειο και όχι μόνο. Στη συνέχεια, σχεδιάζεται να προστεθεί στην εξίσωση και τα δεδομένα απεικόνισης.«Η επόμενη φάση αυτής της μελέτης θα δοκιμάσει μοντέλα μηχανικής μάθησης χρησιμοποιώντας απεικονιστικά δεδομένα μόνα τους και σε συνδυασμό με κλινικά δεδομένα» τόνισε ο επικεφαλής της μελέτης Sumeet Hindocha, M.B.B.S. με  την τελειοποίηση του αλγορίθμου, αυτή η τεχνολογία θα μπορούσε να έχει πολύ ευρύτερη εφαρμογή.