كيف يساعد الذكاء الاصطناعي في تصنيف مرضى السرطان بدقة؟

وفقًا لدراسة أجراها باحثون، تُصنّف طريقة جديدة قائمة على الذكاء الاصطناعي مرضى السرطان بدقة إلى مجموعات تتشابه خصائصها قبل العلاج ونتائجها بعده.

يُتيح هذا النهج الجديد اختيارًا أفضل للمرضى في التجارب السريرية، واختيار العلاج الأنسب لكل مريض على حدة.

نُشرت الدراسة في مجلة نيتشر كوميونيكيشنز، وتناولت مشكلةً تواجهها العديد من شركات الأدوية والأطباء، وهي كيفية التنبؤ بالمرضى الذين سيستجيبون بشكل أفضل للدواء.

أظهرت النتائج أن قدرة الطريقة الجديدة على التنبؤ بنتائج العلاج من بيانات السجلات الصحية كانت أفضل من أي طريقة أخرى نُشرت حتى الآن.

وقال المؤلف الرئيسي الدكتور في وانج: "نأمل أن يكون هذا النهج مفيدًا في نهاية المطاف لاختبار واستهداف العلاجات عبر مجموعة واسعة من الأمراض".

لطالما كان التعلم الآلي أداةً واعدةً لاكتشاف أنماط دقيقة وذات معنى في مجموعات البيانات الضخمة، بما في ذلك مجموعات البيانات الطبية.

ومع ذلك، على الرغم من قدرة هذه الأنظمة على تصنيف المرضى إلى مجموعات محددة بدقة بناءً على أوجه تشابه واسعة في بياناتهم الصحية، إلا أن هذه المجموعات لا تتوافق دائمًا بشكل وثيق مع استجابات المرضى للعلاج في المستقبل.

وقال الدكتور ينج لي، المؤلف المشارك في الدراسة: "كان هدفنا تطوير منصة تُصنّف المرضى المصابين بالمرض المستهدف والذين يتلقون العلاج نفسه إلى مجموعات تتشارك في خصائص أساسية ونتائج علاجية متشابهة، وقد أثبتنا صحة هذه الطريقة باستخدام قاعدة بيانات واقعية لمرضى سرطان الرئة صغير الخلايا المتقدم الذين عولجوا بمثبطات نقاط التفتيش المناعية".

تطوير المنصة

قاد الدكتور وايشين بان، المؤلف الرئيسي للدراسة، تطوير منصة التعلم الآلي الجديدة، حيث قام بتدريبها على السجلات الصحية المجهولة الهوية لـ 3225 مريضًا مصابًا بسرطان الرئة في قاعدة بيانات تجارية.

احتوى كل سجل مريض على 104 متغيرات مختلفة تغطي عناصر مثل نتائج فحوصات الدم، والوصفات الطبية، والتاريخ الطبي، ومرحلة الورم.

في هذا الجهد الأولي، صنّفت المنصة المرضى إلى ثلاث مجموعات.

في المجموعة التي حققت أطول متوسط ​​بقاء على قيد الحياة منذ بدء العلاج، كانت معظم المرضى (55.5%) من النساء، وكانت معدلات الاضطرابات الأخرى، مثل داء السكري وقصور القلب، منخفضة نسبيًا.

وعلى النقيض من ذلك، كانت المجموعة التي عاشت أقصر فترة بقاء على قيد الحياة أقل من نصف متوسط ​​وقت البقاء على قيد الحياة للمجموعة الأولى، وكانت تتكون في الغالب من الرجال (66.2٪)، وكان لديها معدلات عالية نسبيا من نقائل الورم بالإضافة إلى نتائج غير طبيعية لفحوصات الدم تعكس مشاكل الالتهاب والكبد والكلى.

وقال الدكتور بان: "باستخدام مقياس يسمى مؤشر التوافق، أظهرنا أن الأداء المتوسط ​​لهذا النهج الجديد في التنبؤ بأوقات بقاء المريض كان متفوقًا على الأداء القياسي للأساليب الإحصائية وطرق التعلم الآلي".

قام الفريق بتطبيق نظام التعلم الآلي المدرب على مجموعة بيانات جديدة تغطي 1441 مريضًا مصابًا بسرطان الرئة غير صغير الخلايا ووجدوا أنها أسفرت عن مجموعات متطابقة تقريبًا من حيث الخصائص الأساسية وأوقات البقاء على قيد الحياة.

يخطط الدكتور وانج والدكتور لي وزملاؤهما الآن لمزيد من التطوير والاختبار لهذا النهج الجديد لتصنيف المرضى في الاختبارات السريرية للأدوية الجديدة، بالإضافة إلى اختيار العلاج الفردي.

وتشير مجموعات المرضى ونتائجهم القابلة للتكرار في منصتهم، علاوة على ذلك، إلى إمكانية استخدام هذه الأدوات لاكتساب رؤى أساسية في بيولوجيا الأمراض.

وقال الدكتور وانج: "ربما نحتاج إلى أكثر من بيانات السجلات الصحية الإلكترونية لهذا الغرض، ولكننا نريد أن نفهم الآليات البيولوجية التي تفسر هذه المجموعات الفرعية المتميزة من المرضى".