هوش مصنوعی کلینیک مایو سرطان پانکراس را تا سه سال پیش از تشخیص شناسایی می‌کند

پژوهشگران کلینیک مایو و مرکز سرطان MD Anderson در دانشگاه تگزاس مدل هوش مصنوعی‌ای به نام REDMOD (مدل تشخیص زودهنگام مبتنی بر رادیومیکس) توسعه داده‌اند که می‌تواند نشانه‌های سرطان پانکراس را در سی‌تی‌اسکن‌ها تا سه سال پیش از تشخیص بالینی شناسایی کند. این سیستم به‌جای جست‌وجوی یک تومور قابل‌مشاهده، الگوهای رادیومیک را تحلیل می‌کند؛ یعنی اختلالات ظریف در بافت و ساختار نسج که اغلب برای چشم انسان بسیار ناچیز هستند.

تیم تحقیقاتی مدل REDMOD را روی ۹۶۹ سی‌تی‌اسکن آموزش داد و سپس آن را روی مجموعه‌ای جدا متشکل از ۶۳ اسکن از بیمارانی که بعدها به رایج‌ترین نوع سرطان پانکراس مبتلا تشخیص داده شدند آزمایش کرد؛ همه این اسکن‌ها پیش از تشخیص گرفته شده بودند، و در کنار آن‌ها ۴۳۰ نفر از گروه کنترل سالم نیز بررسی شدند.

REDMOD به‌درستی ۴۶ مورد از ۶۳ اسکن پیش از تشخیص را شناسایی کرد؛ نرخ تشخیصی برابر با ۷۳ درصد، به‌طور میانگین حدود ۱۶ ماه پیش از تشخیص نهایی. رادیولوژیست‌های انسانی پیش‌تر همه ۶۳ اسکن را طبیعی اعلام کرده بودند؛ اما وقتی دو رادیولوژیست آن‌ها را همراه با REDMOD دوباره بررسی کردند، تنها در ۳۸.۹ درصد موارد توانستند نشانه‌های اولیه را تشخیص دهند. از میان ۴۳۰ نفر گروه کنترل سالم نیز، ۸۱ نفر به‌اشتباه مشکوک تشخیص داده شدند.

این هوش مصنوعی در دو آزمایش دیگر روی مجموعه‌داده‌های متفاوت، با دستگاه‌های گوناگون در بیمارستان‌های مختلف، نتایج یکسانی به دست آورد.

سرطان پانکراس در مسیری قرار دارد که تا سال ۲۰۳۰ به دومین عامل مرگ ناشی از سرطان در آمریکا تبدیل شود؛ در ۸۵ درصد موارد، بیماری تا زمانی که گسترش نیافته تشخیص داده نمی‌شود.

پژوهشگران قصد دارند REDMOD را روی گروه‌های بزرگ‌تر و متنوع‌تر آزمایش کنند و بررسی کنند که چگونه می‌توان آن را در روندهای بالینی موجود ادغام کرد. این مطالعه در نشریه Gut منتشر شده است.