Pankreas kanseri, ölüm oranları en yüksek kanser türlerinden biridir. Erken teşhis ve tedavi, hayatta kalma şansını önemli ölçüde artırabilir. Ancak, pankreas kanseri genellikle erken evrelerde belirti vermez ve bu nedenle teşhis edilmesi zor olabilir.
Pankreas Kanseri
Belgelenmiş ilk pankreas kanseri vakası 18. yüzyıla kadar uzanmaktadır. O zamandan beri araştırmacılar bu zor ve ölümcül hastalığı anlamak için uzun ve zorlu bir maceraya atılmışlardır. Bugüne kadar erken müdahaleden daha iyi bir kanser tedavisi bulunamamıştır. Ne yazık ki, karnın derinliklerinde yer alan pankreas, erken teşhis için özellikle zor bir bölgedir.
Yapay Zeka ile Erken Teşhis
Yapay Zeka Laboratuvarı (CSAIL) bilim insanları, Beth Israel Deaconess Tıp Merkezi (BIDMC) Radyasyon Onkolojisi Bölümü’nde çalışan Limor Appelbaum ile birlikte potansiyel yüksek riskli hastaları daha iyi tespit etmek istiyorlardı. Kanserin en yaygın türü olan pankreatik duktal adenokarsinomun (PDAC) erken teşhisi için iki makine öğrenimi modeli geliştirmek üzere yola çıktılar.
PRISM Modelleri
Ekip, geniş ve çeşitli bir veri tabanına erişmek için, Amerika Birleşik Devletleri’ndeki çeşitli kurumlardan elektronik sağlık kaydı verilerini kullanan bir federe ağ şirketiyle senkronize oldu. Bu geniş veri havuzu, modellerin güvenilirliğini ve genelleştirilebilirliğini sağlamaya yardımcı oldu ve onları çok çeşitli popülasyonlar, coğrafi konumlar ve demografik gruplar arasında uygulanabilir hale getirdi.
İki model – “PRISM” sinir ağı ve lojistik regresyon modeli (olasılık için istatistiksel bir teknik), mevcut yöntemlerden daha iyi performans gösterdi. Ekibin karşılaştırması, standart tarama kriterlerinin beş kat daha yüksek bir göreceli risk eşiği kullanarak PDAC vakalarının yaklaşık yüzde 10’unu tespit ederken, Prism’in aynı eşikte PDAC vakalarının yüzde 35’ini tespit edebildiğini gösterdi.
PRISM Modellerinin Avantajları
PRISM modelleri, 5 milyondan fazla hastadan oluşan kapsamlı bir veri tabanı üzerinde geliştirilmeleri ve doğrulanmalarıyla öne çıkıyor. Bu, bu alandaki önceki araştırmaların çoğunun ölçeğini aşıyor.
Model, tahminlerini yapmak için rutin klinik ve laboratuvar verilerini kullanıyor. ABD nüfusunun çeşitliliği, genellikle ABD’deki birkaç sağlık merkezi gibi belirli coğrafi bölgelerle sınırlı olan diğer PDAC modellerine göre önemli bir ilerleme.
Ayrıca, eğitim sürecinde benzersiz bir düzenleme tekniğinin kullanılması, modellerin genelleştirilebilirliğini ve yorumlanabilirliğini artırdı.
PRISM Modellerinin Geleceği
PRISM modellerinin vaatlerine rağmen, tüm araştırmalarda olduğu gibi, bazı kısımlar hala devam eden bir çalışmadır. Yalnızca ABD verileri modellerin mevcut kaynağıdır ve küresel kullanım için test ve adaptasyon gerektirmektedir.
Ekip, modelin uluslararası veri setlerine uygulanabilirliğinin genişletilmesi ve daha rafine risk değerlendirmesi için ek biyobelirteçlerin entegre edilmesi gerektiğini belirtiyor.
Araştırmacılar, modellerin rutin sağlık hizmetleri ortamlarında uygulanmasını kolaylaştırmayı da hedefliyor. Vizyonları, bu modellerin sağlık sistemlerinin arka planında sorunsuz bir şekilde çalışması, hasta verilerini otomatik olarak analiz etmesi ve doktorları iş yüklerini artırmadan yüksek riskli vakalara karşı uyarmasıdır.
PRISM modelleri, pankreas kanserinin erken teşhisi için önemli bir umut vadediyor. Daha fazla araştırma ve geliştirme ile, bu modellerin hayatları kurtarmaya yardımcı olabileceğine inanılıyor.
