Թոքերի քաղցկեղը կործանարար հիվանդություն է. Ըստ Առողջապահության համաշխարհային կազմակերպությունԹոքերի քաղցկեղն ամբողջ աշխարհում մահացության ամենատարածված պատճառներից մեկն է, որը միայն 2.21 թվականին գրանցել է մոտ 2020 միլիոն դեպք: Կարևոր է, որ հիվանդությունը կարող է առաջադեմ լինել. այսինքն, շատերի համար այն կարող է սկսվել որպես պարզապես մեղմ ախտանիշներ, որոնք չեն ահազանգում, նախքան արագ վերածվելով կյանքին սպառնացող ախտորոշման՝ հանգեցնելով մահվան: Բարեբախտաբար, թերապևտիկ միջոցների շրջանակը, որը կենտրոնացած է թոքերի քաղցկեղով հիվանդներին օգնելու վրա, ահռելիորեն աճել է վերջին երկու տասնամյակում: Այնուամենայնիվ, քաղցկեղի վաղ հայտնաբերումը շարունակում է մնալ մահացության մակարդակը զգալիորեն նվազեցնելու միակ միջոցներից մեկը։
Այս ասպարեզում ուշագրավ ձեռքբերումներից է Մասաչուսեթսի տեխնոլոգիական ինստիտուտի (MIT) և Mass General Hospital-ի (MGH) վերջին հայտարարությունը «Sybil» անունով խորը ուսուցման մոդելի մշակման վերաբերյալ, որը կարող է օգտագործվել թոքերի քաղցկեղի ռիսկը կանխատեսելու համար՝ օգտագործելով տվյալները։ ընդամենը մեկ CT սկանավորումից: Այն սովորել Անցյալ շաբաթ պաշտոնապես հրապարակվել է Կլինիկական Ուռուցքաբանության Journal-ում և քննարկում է, թե ինչպես «գործիքները, որոնք ապահովում են ապագա քաղցկեղի ռիսկի անհատականացված գնահատումը, կարող են կենտրոնացնել մոտեցումները նրանց նկատմամբ, ամենայն հավանականությամբ, օգուտ կբերեն»: Հետևաբար, ուսումնասիրության ղեկավարները պնդում էին, որ «խորը ուսուցման մոդելը, որը գնահատում է ամբողջ ծավալային LDCT [ցածր դոզան կոնտրաստ CT] տվյալները, կարող է ստեղծվել անհատական ռիսկի կանխատեսման համար՝ առանց լրացուցիչ ժողովրդագրական կամ կլինիկական տվյալների պահանջի»:
Մոդելը սկսվում է հիմնական դրույթով. «LDCT պատկերները պարունակում են տեղեկատվություն, որը կանխատեսում է թոքերի քաղցկեղի ապագա ռիսկի մասին՝ ներկա պահին ճանաչելի հատկանիշներից դուրս, ինչպիսիք են թոքերի հանգույցները»: Հետևաբար, մշակողները ձգտել են «մշակել և վավերացնել խորը ուսուցման ալգորիթմ, որը կանխատեսում է թոքերի քաղցկեղի ապագա ռիսկը մինչև 6 տարի մեկ LDCT սկանավորումից և գնահատում դրա հնարավոր կլինիկական ազդեցությունը»:
Ընդհանուր առմամբ, ուսումնասիրությունը մինչ այժմ շատ հաջողակ է եղել. Սիբիլը ի վիճակի է որոշակի ճշգրտությամբ կանխատեսել հիվանդի թոքերի քաղցկեղի ապագա ռիսկը՝ օգտագործելով ընդամենը մեկ LDCT-ի տվյալները:
Անկասկած, այս տեխնոլոգիայի կլինիկական կիրառությունները և հետևանքները դեռևս հասուն չեն: Նույնիսկ հետազոտության ղեկավարները համաձայն են, որ զգալի աշխատանք պետք է կատարվի՝ պարզելու համար, թե ինչպես կարելի է կիրառել այս տեխնոլոգիան իրական կլինիկական պրակտիկայում, մասնավորապես՝ կապված տեխնոլոգիայի նկատմամբ վստահության աստիճանի ձևավորման հետ, որի վրա բժիշկներն ու հիվանդները կզգան ապահով՝ հենվելով: համակարգի ելքերը.
Այնուամենայնիվ, ալգորիթմի նախադրյալը դեռևս աներևակայելի հզոր է և ենթադրում է պոտենցիալ խաղի փոփոխող կանխատեսող ախտորոշման ոլորտում:
CT սկանավորում՝ ցուցադրելով թոքերի մետաստատիկ քաղցկեղ: (Լուսանկարը BSIP/Universal Images Group-ի կողմից Getty-ի միջոցով ... [+]
Ունիվերսալ նկարների խումբ ՝ Getty Images– ի միջոցով
Ախտորոշիչ միջոցառումները նախկինում երբեք այդքան հզոր չեն եղել: Այն փաստը, որ գործիքը կարող է օգտագործել ընդամենը մեկ համակարգչային տոմոգրաֆիա՝ կանխատեսելու երկարաժամկետ հիվանդության ֆունկցիան, կարող է պոտենցիալ լուծել բազմաթիվ խնդիրներ, որոնցից ամենակարևորը հնարավոր է դարձնում վաղ բուժումը և մահացության նվազումը:
Փորձագետները, սկզբնական շրջանում, կարող են ետ մղել նման համակարգերին՝ նշելով, որ արհեստական ինտելեկտի ոչ մի համակարգ չի կարող բավարար չափով համապատասխանել դատողություններին և կլինիկական կարողություններին, որպեսզի փոխարինի մարդու բժշկին: Սակայն նման համակարգերի նպատակը պարտադիր չէ փոխարինել բժշկի փորձաքննությունը, այլ ավելի շուտ պոտենցիալ ընդլայնել բժիշկների աշխատանքային հոսքերը:
Sybil-ի նման համակարգը կարող է շատ հեշտությամբ օգտագործվել որպես առաջարկության գործիք՝ նշելով պոտենցիալ CT-ները բժշկին, որն այնուհետև կարող է օգտագործել իր սեփական կլինիկական դատողությունը՝ համաձայնելու կամ չհամաձայնելու Սիբիլի առաջարկությանը: Սա ոչ միայն հավանաբար կբարելավի կլինիկական թողունակությունը, այլ նաև կարող է հանդես գալ որպես երկրորդական «ստուգման» գործընթաց և, հնարավոր է, բարձրացնել ախտորոշման ճշգրտությունը:
Անկասկած, այս ասպարեզում դեռ շատ աշխատանք կա անելու։ Գիտնականներին, ծրագրավորողներին և նորարարներին երկար ճանապարհ է սպասվում ոչ միայն իրական ալգորիթմն ու համակարգը կատարելագործելու, այլև այս տեխնոլոգիան իրական կլինիկական կիրառություններում ներդնելու հիպերնուրանս ասպարեզում նավարկելու հարցում: Այնուամենայնիվ, տեխնոլոգիան, մտադրությունը և այն ներուժը, որն այն ունի՝ կապված հիվանդների խնամքի բարելավման հետ, եթե այն մշակվի անվտանգ, էթիկական և արդյունավետ կերպով, իսկապես խոստումնալից է գալիք ախտորոշման սերնդի համար:
Աղբյուր՝ https://www.forbes.com/sites/saibala/2023/01/16/mit–mass-general-hospital-have-developed-an-ai-system-that-can-detect-lung-cancer/