قد يمكّن نموذج التعلم الآلي من التنبؤ بمخاطر سرطان الكبد من خلال المعلومات السريرية الروتينية

قد يمكّن نموذج التعلم الآلي من التنبؤ بمخاطر سرطان الكبد من خلال المعلومات السريرية الروتينية بواسطة الجمعية الأمريكية لأبحاث السرطان تم تحريره بواسطة سادي هارلي، راجعه أندرو زينين سادي هارلي محرر علمي تعرف على فريق التحرير لدينا وراء عملية التحرير لدينا أندرو زينين المحرر الرئيسي تعرف على فريق التحرير لدينا وراء عملية التحرير لدينا ملاحظات المحررين تمت مراجعة هذه المقالة وفقًا لموقع Science X's عملية التحرير والسياسات. وقد أبرز المحررون السمات التالية مع ضمان مصداقية المحتوى: التحقق من الحقيقة منشور تمت مراجعته من قبل النظراء مصدر موثوق تدقيق جيست أضف كمصدر مفضل نموذج التعلم الآلي الذي يحلل التركيبة السكانية للمريض، وبيانات السجل الصحي الإلكتروني، ونتائج اختبارات الدم الروتينية، تنبأ بدقة عالية بخطر إصابة المريض بسرطان الخلايا الكبدية (HCC)، وهو النوع الأكثر شيوعًا من سرطان الكبد. هذه هي نتائج دراسة نشرت في مجلة اكتشاف السرطان. قد يكون الأفراد الذين يُعتبر لديهم خطر مرتفع للإصابة بسرطان الكبد (HCC) مؤهلين لإجراء فحص السرطان المعتمد على التصوير والدم لتمكين الكشف المبكر عن المرض؛ ومع ذلك، فإن المبادئ التوجيهية الحالية تركز على مجموعة ضيقة من السكان المعرضين للخطر الشديد وتغفل العديد من الأفراد المعرضين للخطر، كما أوضحت كارولين شنايدر، دكتوراه في الطب، وكبيرة مشاركة ومؤلفة مقابلة، وأستاذة مساعدة في جامعة RWTH Aachen في ألمانيا. شارك شنايدر في قيادة الدراسة مع جاكوب كاثر، دكتوراه في الطب، وماجستير، وأستاذ الذكاء الاصطناعي السريري في الجامعة التقنية في دريسدن، ألمانيا. جان كلوسمان، دكتوراه في الطب، هو المؤلف الأول للدراسة وعالم سريري في جامعة دريسدن التقنية. وقال شنايدر: "يوصى عادة بإجراء الفحص للمرضى الذين يعانون من تليف الكبد المؤكد أو أمراض الكبد الحادة، حيث أن العديد من حالات سرطان الكبد تحدث لدى هؤلاء المرضى، ولكن هناك العديد من الأفراد الذين يعانون من تليف الكبد غير المشخص أو عوامل الخطر الأخرى الذين قد يستفيدون أيضًا من فحص سرطان الكبد". وأضاف كلوسمان أن العوامل الإضافية التي تزيد من خطر إصابة المريض بسرطان الكبد تشمل كونه ذكرًا والتدخين والإفراط في استهلاك الكحول، من بين عوامل أخرى. وقال: "مع وجود العديد من العوامل التي تؤثر على المخاطر، هناك حاجة ملحة لأدوات فعالة لمساعدة الأطباء على تحديد المرضى المعرضين للخطر الشديد". "أدوات التعلم الآلي التي يمكنها العمل في وقت واحد مع أنواع مختلفة من البيانات السريرية يمكن أن تكون مفيدة بشكل خاص لهذا التحدي السريري الكبير." في هذه الدراسة، استخدم كلوسمان وكاثر وشنايدر وزملاؤهم بيانات من البنك الحيوي في المملكة المتحدة لتطوير نماذج التعلم الآلي التي تحلل أنواعًا مختلفة من البيانات السريرية لتقييم مخاطر سرطان الكبد. يحتوي البنك الحيوي في المملكة المتحدة على بيانات من أكثر من 500 ألف فرد في المملكة المتحدة وتضمنت 538 حالة سرطان الكبد، 69٪ منها حدثت في المرضى دون تشخيص مسبق لتليف الكبد، أو التهاب الكبد الفيروسي، أو أمراض الكبد المزمنة الأخرى. وقام الباحثون بتدريب نماذجهم على 80% من البيانات الواردة من البنك الحيوي في المملكة المتحدة، وأجروا التحقق الأولي من صحة الـ 20% المتبقية.