Μελέτη: Η τεχνητή νοημοσύνη μπορεί να προβλέψει τον καρκίνο του παγκρέατος τρία χρόνια πριν από τους γιατρούς

Οι αλγόριθμοι τεχνητής νοημοσύνης μπορούν να ελέγξουν για καρκίνο του παγκρέατος και να προβλέψουν εάν οι ασθενείς θα αναπτύξουν τη νόσο έως και τρία χρόνια πριν ο γιατρός κάνει την ίδια διάγνωση, σύμφωνα με έρευνα που δημοσιεύτηκε στο Nature τη Δευτέρα.

Ο καρκίνος του παγκρέατος είναι θανατηφόρος. την πενταετία ρυθμός επιβίωσης κατά μέσο όρο 12 τοις εκατό. Ακαδημαϊκοί που εργάζονται στη Δανία και τις ΗΠΑ Πιστεύω Η τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει τους κλινικούς γιατρούς ανιχνεύοντας τον καρκίνο του παγκρέατος σε πρώιμα στάδια, εάν το λογισμικό μπορεί να προβλέψει αξιόπιστα ποιοι ασθενείς διατρέχουν υψηλότερο κίνδυνο να αναπτύξουν τη νόσο. 

Οι ερευνητές εκπαίδευσαν αλγόριθμους τεχνητής νοημοσύνης σε εκατομμύρια ιατρικούς φακέλους που ελήφθησαν στο Εθνικό Μητρώο Ασθενών της Δανίας και στην Εταιρική Αποθήκη Δεδομένων Βετεράνων των ΗΠΑ. Τα μοντέλα εκπαιδεύτηκαν να συσχετίζουν κωδικούς διάγνωσης - ετικέτες που χρησιμοποιούνται από νοσοκομεία που περιγράφουν διαφορετικές ιατρικές καταστάσεις - με τον καρκίνο του παγκρέατος.

Ορισμένοι κωδικοί διάγνωσης για ίκτερο, κοιλιακό και πυελικό άλγος, απώλεια βάρους, για παράδειγμα, σχετίζονται πιο στενά με τη νόσο - ειδικά εάν εντοπιστούν σε ασθενείς περίπου έξι μήνες πριν από τη διάγνωση - ενώ άλλοι όπως ο διαβήτης τύπου 2, η αναιμία ή η φλεγμονή του το πάγκρεας συνήθως εντοπίζεται νωρίτερα.

«Ο καρκίνος αναπτύσσεται σταδιακά στο ανθρώπινο σώμα, συχνά για πολλά χρόνια και αρκετά αργά, μέχρι να επικρατήσει η ασθένεια», ο Κρις Σάντερ, συν-ανώτερος ερευνητής της μελέτης και επικεφαλής ενός εργαστηρίου που εργάζεται στο Τμήμα Βιολογίας Συστημάτων της Ιατρικής Σχολής του Χάρβαρντ. είπε Το μητρώο.

«Το σύστημα τεχνητής νοημοσύνης προσπαθεί να μάθει από σημάδια στο ανθρώπινο σώμα που μπορεί να σχετίζονται με τέτοιες σταδιακές αλλαγές».

«Αλλά είναι νωρίς για αυτό και ενώ το σύστημα AI μπορεί να κάνει εύλογα ακριβείς προβλέψεις, δεν μπορεί, ή όχι επί του παρόντος, να εντοπίσει μηχανισμούς ή αιτιολογικά συμβάντα. Όπως συχνά στην επιστήμη, η συσχέτιση είναι χρήσιμη για την πρόβλεψη, αλλά η αιτιότητα είναι πολύ πιο δύσκολο να καθοριστεί», είπε.

Το πιο αποτελεσματικό μοντέλο, που βασίζεται σε μια αρχιτεκτονική που βασίζεται σε μετασχηματιστές, έδειξε ότι από τους 1,000 ασθενείς υψηλότερου κινδύνου άνω των 50 ετών, περίπου 320 θα συνέχιζαν να αναπτύσσουν καρκίνο του παγκρέατος. Το μοντέλο είναι λιγότερο ακριβές όταν προσπαθεί να προβλέψει τον καρκίνο του παγκρέατος σε μεγαλύτερα χρονικά διαστήματα σε σύγκριση με μικρότερα και για ασθενείς κάτω των 50 ετών.

«Η τεχνητή νοημοσύνη σε κλινικά αρχεία του πραγματικού κόσμου έχει τη δυνατότητα να δημιουργήσει μια επεκτάσιμη ροή εργασίας για την έγκαιρη ανίχνευση του καρκίνου στην κοινότητα, να μετατοπίσει την εστίαση από τη θεραπεία του τελευταίου σταδίου σε πρώιμο στάδιο, να βελτιώσει την ποιότητα ζωής των ασθενών και να αυξήστε την αναλογία οφέλους/κόστους της φροντίδας του καρκίνου», αναφέρει η εφημερίδα.

Η αποτελεσματική πρόβλεψη σε πραγματικές συνθήκες θα βασίζεται στην ποιότητα του ιατρικού ιστορικού των ασθενών. Τα μελλοντικά εργαλεία προσυμπτωματικού ελέγχου με βάση την τεχνητή νοημοσύνη για τον καρκίνο του παγκρέατος θα πρέπει να εκπαιδεύονται σε συγκεκριμένα δεδομένα τοπικού πληθυσμού, σύμφωνα με τη μελέτη. Ένα μοντέλο που εκπαιδεύτηκε σε δεδομένα από Δανούς ασθενείς, για παράδειγμα, δεν ήταν τόσο ακριβές όταν εφαρμόστηκε σε ασθενείς στις ΗΠΑ. 

«Δεδομένης της εμπειρίας στη Δανία και σε ένα ή δύο συστήματα υγείας των ΗΠΑ, αυτό σημαίνει ότι σε κάθε χώρα με διαφορετικές συνθήκες και διαφορετικά συστήματα, είναι καλύτερο να επανεκπαιδευτεί το μοντέλο τοπικά. Η τεχνητή νοημοσύνη χρειάζεται πολλά δεδομένα για να εκπαιδευτεί. Η πρόσβαση σε διαφορετικές τοποθεσίες δεν είναι απλή, καθώς τα ιατρικά αρχεία είναι και πρέπει να είναι εμπιστευτικά. Επομένως, η τοπική έγκριση και η ασφάλεια των δεδομένων είναι απαραίτητη», είπε ο Sander.

Η μελέτη βρίσκεται ακόμη στα αρχικά της στάδια και το λογισμικό δεν μπορεί ακόμη να χρησιμοποιηθεί για την εκτέλεση προγραμμάτων προσυμπτωματικού ελέγχου. Απαιτούνται βελτιώσεις πριν καν διεξαχθεί μια δοκιμή. 

«Μόλις εφαρμοστεί ένα πρόγραμμα επιτήρησης, το πραγματικό κόστος υπολογισμού για την εφαρμογή του λογισμικού είναι μέτριο. Η εκπαίδευση είναι αυτή που καταναλώνει σημαντικούς υπολογιστικούς πόρους. Οι πραγματικές κλινικές εξετάσεις για να δούμε πρώιμα σημάδια καρκίνου ή για την ανίχνευση του καρκίνου όταν είναι ακόμα πολύ μικρός είναι δαπανηρές, πολύ πιο ακριβές από ό,τι για παράδειγμα οι μαστογραφίες», πρόσθεσε ο Sander. 

Ωστόσο, η ομάδα πιστεύει ότι καθώς η τεχνολογία βελτιώνεται και το λειτουργικό κόστος μειώνεται, η τεχνητή νοημοσύνη θα μπορούσε να γίνει ένα πολύτιμο εργαλείο ελέγχου στο μέλλον. 

«Πολλοί τύποι καρκίνου, ειδικά αυτοί που είναι δύσκολο να εντοπιστούν και να αντιμετωπιστούν έγκαιρα, ασκούν δυσανάλογη επιβάρυνση στους ασθενείς, τις οικογένειες και το σύστημα υγειονομικής περίθαλψης στο σύνολό του», δήλωσε ο Søren Brunak, καθηγητής βιολογίας συστημάτων ασθενειών και διευθυντής έρευνας στο Novo Nordisk Foundation. Κέντρο για την Έρευνα Πρωτεϊνών στο Πανεπιστήμιο της Κοπεγχάγης, συν-ανώτερος ερευνητής της μελέτης, είπε σε μια δήλωση. 

«Ο προσυμπτωματικός έλεγχος με βάση την τεχνητή νοημοσύνη είναι μια ευκαιρία να αλλάξει η τροχιά του καρκίνου του παγκρέατος, μιας επιθετικής ασθένειας που είναι γνωστό ότι είναι δύσκολο να διαγνωστεί έγκαιρα και να αντιμετωπιστεί έγκαιρα όταν οι πιθανότητες επιτυχίας είναι υψηλότερες», κατέληξε. ®

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoAiStream. Web3 Data Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• Minting the Future με την Adryenn Ashley. Πρόσβαση εδώ.
• Αγορά και πώληση μετοχών σε εταιρείες PRE-IPO με το PREIPO®. Πρόσβαση εδώ.
• πηγή: https://go.theregister.com/feed/www.theregister.com/2023/05/09/ai_pancreatic_cancer/