هوش مصنوعی REDMOD: تشخیص زودهنگام سرطان لوزالمعده سال‌ها پیش از علائم

شناسایی نشانه‌های پنهان سرطان لوزالمعده

سرطان لوزالمعده، به‌ویژه آدنوکارسینوم مجرای پانکراس (PDAC)، یکی از مرگبارترین و شایع‌ترین انواع سرطان است که به دلیل نبود علائم اولیه و پیشرفت سریع، معمولاً در مراحل بسیار پیشرفته و اغلب غیرقابل درمان تشخیص داده می‌شود. این وضعیت، نرخ بقای بیماران را به شدت کاهش می‌دهد و تشخیص زودهنگام را به یک چالش جدی در پزشکی تبدیل کرده است.

مدل هوش مصنوعی REDMOD با هدف تغییر این مسیر توسعه یافته است. پژوهشگران می‌گویند این مدل قادر است:

• تشخیص تغییرات ظریف: تغییرات بافتی بسیار جزئی مرتبط با PDAC را شناسایی کند که حتی برای متخصصان باتجربه و در اسکن‌های معمولی تصویربرداری نیز قابل مشاهده نیستند.
• تشخیص پیش‌بالینی: بیماری را در مراحل بسیار اولیه یا حتی مرحله صفر تشخیص دهد، زمانی که احتمال موفقیت درمان به مراتب بیشتر است.

این سیستم با استفاده از تحلیل‌های پیشرفته رادیومیکس، الگوهای نامرئی در بافت پانکراس را در اسکن‌های CT معمولی شناسایی می‌کند. همچنین، با بهره‌گیری از فناوری بخش‌بندی خودکار پانکراس، مرزهای لوزالمعده را با دقت بالا از سایر بافت‌ها جدا کرده و نیاز به ترسیم دستی توسط پزشکان را از بین می‌برد.

روش آزمایش و داده‌های پژوهش

برای ارزیابی عملکرد REDMOD، محققان آن را روی اسکن‌های شکمی ۲۱۹ بیمار که در ابتدا سالم تشخیص داده شده بودند، اما بعداً به سرطان لوزالمعده مبتلا شدند، آزمایش کردند. این بیماران از چندین بیمارستان مختلف انتخاب شده بودند.

زمان‌بندی تشخیص

اسکن‌های مورد بررسی نسبت به زمان تشخیص نهایی سرطان به شرح زیر بود:

• ۸۷ بیمار (۴۰٪): بین ۳ تا ۱۲ ماه قبل از تشخیص
• ۷۶ بیمار (۳۵٪): بین ۱۲ تا ۲۴ ماه قبل از تشخیص
• ۵۶ بیمار (۲۵٪): بیش از ۲۴ ماه قبل از تشخیص (تا حدود ۳ سال قبل)

همچنین، در حدود ۶۴٪ از این موارد، تومور در ناحیه سر پانکراس قرار داشت.

گروه کنترل

برای مقایسه، اسکن‌های ۱۲۴۳ فرد سالم نیز مورد بررسی قرار گرفت که طی سه سال پس از اسکن هیچ نشانه‌ای از سرطان در آنها مشاهده نشد. این گروه از نظر سن، جنسیت و زمان انجام اسکن با گروه بیمار تطبیق داده شده بود.

نتایج و دستاوردهای مدل REDMOD

نتایج حاصل از این پژوهش بسیار امیدوارکننده است:

• تشخیص زودهنگام: مدل REDMOD توانست نشانه‌های بسیار ابتدایی سرطان را به طور متوسط ۴۷۵ روز قبل از تشخیص بالینی شناسایی کند. این بازه زمانی برای افزایش شانس درمان موفق و بقا بسیار حیاتی است.
• حساسیت بالاتر: در مقایسه با متخصصان رادیولوژی، حساسیت مدل REDMOD به ۷۳٪ رسید، در حالی که حساسیت متخصصان ۳۹٪ بود.
• دقت در تشخیص سلامت: در آزمایش‌های تکمیلی، این مدل ۸۱٪ از اسکن‌های ۵۳۹ بیمار مستقل را به درستی بدون سرطان تشخیص داد.
• ثبات الگوریتم: نشانه‌های شناسایی شده توسط مدل در ۹۰ تا ۹۲ درصد موارد در اسکن‌های قبلی نیز به طور مشابه قابل مشاهده بودند که نشان‌دهنده ثبات بالای الگوریتم است.

محدودیت‌ها و چشم‌انداز آینده

پژوهشگران به برخی محدودیت‌ها در این مطالعه اشاره کرده‌اند، از جمله کمبود تنوع نژادی در شرکت‌کنندگان. آنها تأکید می‌کنند که این فناوری هنوز نیازمند آزمایش‌های گسترده‌تر در بیماران پرخطر، مانند افراد دارای کاهش وزن غیرقابل توضیح یا مبتلایان جدید به دیابت، است.

با این حال، محققان معتقدند REDMOD یک چارچوب هوش مصنوعی کاملاً خودکار است که می‌تواند نشانه‌های بسیار اولیه سرطان لوزالمعده را در اسکن‌های به ظاهر طبیعی و با دقتی بالاتر از متخصصان شناسایی کند. اگرچه تأیید نهایی در مطالعات آینده ضروری است، اما این فناوری می‌تواند مسیر تشخیص سرطان لوزالمعده را از شناسایی دیرهنگام به تشخیص پیش‌بالینی و بسیار زودهنگام تغییر دهد و امید تازه‌ای برای بهبود نرخ بقا در این بیماری مرگبار ایجاد کند.