هوش مصنوعی می‌تواند سرطان پانکراس را ۵ سال پیش از تشخیص پیش‌بینی کند

یک مطالعه جدید نشان می‌دهد یک مدل هوش مصنوعی می‌تواند با استفاده از اطلاعات معمول موجود در پرونده‌های پزشکی و نتایج آزمایش‌های خون، افرادی را که در معرض خطر بیشتری برای ابتلا به سرطان پانکراس قرار دارند، تا ۵ سال پیش از تشخیص بیماری شناسایی کند. به گزارش انتخاب و به نقل از مدیکال نیوز تودی؛ این یافته‌ها امیدبخش هستند، اما هنوز مشخص نیست این مدل بتواند در آینده به‌عنوان بخشی از مراقبت‌های معمول پزشکی مورد استفاده قرار گیرد. پژوهشگران در حال انجام مطالعات آینده‌نگر هستند تا عملکرد آن را در شرایط واقعی نظام درمانی بررسی کنند. چرا تشخیص زودهنگام سرطان پانکراس مهم است؟ سرطان پانکراس نسبتاً نادر است، اما میزان مرگ‌ومیر آن بالاست. یکی از مهم‌ترین مشکلات این بیماری، تشخیص دیرهنگام آن است؛ زیرا در بسیاری از موارد، زمانی شناسایی می‌شود که سرطان به سایر بخش‌های بدن گسترش پیدا کرده است. بر اساس داده‌های موجود، احتمال زنده ماندن ۵ ساله افراد در صورتی که سرطان هنوز محدود به پانکراس باشد، حدود ۴۴ درصد است؛ اما اگر بیماری به اندام‌های دوردست گسترش یافته باشد، این میزان به حدود ۳ درصد کاهش می‌یابد. به همین دلیل، شناسایی افراد پرخطر پیش از بروز علائم می‌تواند فرصت ارزشمندی برای بررسی و تشخیص زودتر بیماری ایجاد کند. هوش مصنوعی چگونه این افراد را شناسایی کرد؟ پژوهشگران کلینیک مایو، مدل هوش مصنوعی را با استفاده از سوابق پزشکی نزدیک به ۴۰ هزار نفر آموزش دادند. در میان آنها، بیش از ۶ هزار نفر بعدها به سرطان پانکراس مبتلا شدند و اطلاعات آنها با گروهی از افراد مشابه که به این بیماری مبتلا نشده بودند، مقایسه شد. این مدل به جای تکیه بر یک علامت خاص، تغییرات و الگوهای مختلف موجود در سوابق پزشکی افراد را در طول سال‌ها بررسی کرد. نتایج نشان داد که برخی اطلاعات معمول، از جمله نتایج آزمایش‌های خون، دیابت، التهاب پانکراس و سایر مشکلات مرتبط با پانکراس، می‌توانند در شناسایی افراد پرخطر نقش داشته باشند. نکته مهم این است که هیچ‌یک از این نشانه‌ها به‌تنهایی به معنای ابتلا به سرطان پانکراس نیستند؛ بلکه هوش مصنوعی توانسته ارتباط میان مجموعه‌ای از تغییرات و سوابق پزشکی را در طول زمان شناسایی کند. مدل چقدر دقیق بود؟ پژوهشگران گزارش کردند که مدل توانسته است افراد دارای خطر بالاتر و پایین‌تر را با عملکرد امیدوارکننده‌ای از یکدیگر تشخیص دهد. برای مثال، در میان افرادی که مدل برای آنها بیش از ۵۰ درصد احتمال ابتلا به سرطان پانکراس را پیش‌بینی کرده بود، ۸۸ درصد طی یک سال به این بیماری مبتلا شدند. با این حال، این نتایج به این معنا نیست که هوش مصنوعی می‌تواند با قطعیت بگوید چه کسی به سرطان مبتلا خواهد شد. این مدل در حال حاضر فقط خطر احتمالی را بر اساس الگوهای موجود در اطلاعات پزشکی تخمین می‌زند. آیا این مدل آماده استفاده در بیمارستان‌هاست؟ هنوز نه. این مطالعه در مرحله اولیه قرار دارد و نتایج آن هنوز داوری علمی (Peer Review) نشده است. همچنین عملکرد مدل تاکنون عمدتاً بر اساس اطلاعات گذشته بیماران بررسی شده است. پژوهشگران اکنون در حال انجام مطالعات آینده‌نگر هستند تا ببینند آیا این مدل در شرایط واقعی و در جمعیت‌های مختلف نیز عملکرد مشابهی دارد یا خیر. یکی از مهم‌ترین پرسش‌ها این است که اگر هوش مصنوعی فردی را پرخطر تشخیص دهد، قدم بعدی چه باید باشد. ممکن است پزشکان بتوانند این افراد را با روش‌هایی مانند سی‌تی‌اسکن، MRI، سونوگرافی آندوسکوپیک یا آزمایش‌های خونی دقیق‌تر بررسی کنند؛ اما انجام چنین آزمایش‌هایی برای همه افراد می‌تواند هزینه، عوارض و احتمال نتایج مثبت کاذب داشته باشد. اگر مطالعات آینده نشان دهند که این مدل می‌تواند افراد در معرض خطر را به‌طور قابل اعتماد و پیش از بروز علائم شناسایی کند، ممکن است در آینده به پزشکان کمک کند افرادی را که نیاز به بررسی دقیق‌تر یا پیگیری بیشتر دارند، زودتر شناسایی کنند. در واقع، هدف اصلی این فناوری جایگزین کردن پزشک نیست؛ بلکه استفاده از اطلاعاتی است که همین حالا در پرونده پزشکی افراد وجود دارد تا سرنخ‌های پنهان خطر سرطان پانکراس، سال‌ها پیش از تشخیص رسمی بیماری، شناسایی شود.