سرطان مثانه سالانه حدود ۲۲۰ هزار نفر را در سراسر جهان به کام مرگ می‌کشاند، اما تشخیص زودهنگام آن همچنان دشوار است. وجود خون در ادرار شناخته‌شده‌ترین علامت هشدار این بیماری محسوب می‌شود، اما همین علامت می‌تواند در اثر سنگ کلیه، مشکلات پروستات و سایر بیماری‌های غیرسرطانی نیز ایجاد شود.
پژوهشگران به سرپرستی دانشگاه پلیموث، یک سامانه هوش مصنوعی توسعه داده‌اند که سوابق الکترونیکی سلامت را برای یافتن ترکیبی از علائم، عوامل خطر، داروهای تجویزی و فعالیت‌های پزشکی مرتبط با این بیماری بررسی می‌کند. برخی از این نشانه‌ها حتی تا پنج سال پیش از تشخیص سرطان ظاهر شده بودند، هرچند عملکرد مدل در ۱۲ ماه پایانی پیش از تشخیص، بهترین نتیجه را داشت.
یافتن سرنخ‌های سرطان در سوابق پزشکی
تیم پژوهشی به سرپرستی پروفسور شانگ-مینگ ژو از مرکز فناوری سلامت دانشگاه پلیموث، سوابق پزشکی نزدیک به ۷۰ هزار بیمار را که بین سال‌های ۱۹۹۵ تا ۲۰۲۰ جمع‌آوری شده بودند، بررسی کرد.
مدل اختصاصی این پژوهش با نام PRECISE-AGZ ابتدا ۴۸ هزار و ۲۶۱ شاخص احتمالی را بررسی کرد؛ شاخص‌هایی که مواردی از عادات سیگار کشیدن و میزان فعالیت بدنی گرفته تا مصرف دارو را شامل می‌شدند. سپس مدل ۳۸ ویژگی را شناسایی کرد که در کنار یکدیگر، قوی‌ترین نشانه‌ها برای پیش‌بینی خطر ابتلا به سرطان مثانه را ارائه می‌کردند.
این سامانه توانست ۸۵ درصد از بیمارانی را که به سرطان مثانه مبتلا بودند شناسایی کند و ۹۱ درصد از افرادی را که فاقد سرطان بودند، به‌درستی در گروه غیرسرطانی قرار دهد. همچنین عملکرد آن در شناسایی بیماری، بهتر از دستورالعمل‌های فعلی ارجاع بیماران در NHS بود.
چرا روش‌های فعلی غربالگری برخی موارد را از دست می‌دهند؟
تصمیم‌گیری برای ارجاع بیماران در روش‌های فعلی تا حد زیادی به مشاهده خون در ادرار یا هماچوری وابسته است. از آنجا که این علامت مختص سرطان نیست، ممکن است افراد فاقد سرطان را برای آزمایش‌های تهاجمی به مراکز درمانی ارجاع دهد و در عین حال، برخی بیماران را که در سوابق پزشکی‌شان الگوهای هشداردهنده ظریف‌تری وجود دارد، شناسایی نکند.
تشخیص قطعی سرطان مثانه معمولاً به سیستوسکوپی نیاز دارد؛ روشی که در آن یک لوله باریک و بلند مجهز به دوربین کوچک از طریق مجرای ادرار وارد مثانه می‌شود. بنابراین، ارزیابی دقیق‌تر خطر می‌تواند به پزشکان کمک کند مشخص کنند کدام بیماران به انجام فوری این آزمایش نیاز دارند و کدام افراد را می‌توان با اطمینان بیشتری تحت نظر گرفت.
PRECISE-AGZ به‌جای تکیه بر یک علامت، نحوه تعامل چندین داده مربوط به وضعیت سلامت بیمار را بررسی می‌کند. یافته‌های این پژوهش نشان می‌دهد معنای یک علامت هشداردهنده آشنا ممکن است زمانی که در کنار سایر اطلاعات موجود در سوابق پزشکی بیمار بررسی می‌شود، تغییر کند.
الگوهای غیرمنتظره در سرطان مثانه
این مدل برخی عوامل خطر شناخته‌شده مانند سیگار کشیدن و وجود خون در ادرار را تأیید کرد، اما ارتباط‌هایی را نیز شناسایی کرد که سیستم‌های معمول ارجاع بیماران احتمالاً قادر به تشخیص آن‌ها نیستند. افرادی که به بیماری پارکینسون یا زوال عقل مبتلا بودند، خطر پایین‌تری برای ابتلا به سرطان مثانه داشتند، در حالی که مصرف طولانی‌مدت تاموکسیفن، دارویی برای درمان سرطان پستان، با خطر بالاتر ابتلا به سرطان مثانه ارتباط داشت.
این الگوها به این معنا نیستند که بیماری‌های مذکور یا دارو می‌توانند از سرطان مثانه جلوگیری کنند یا مستقیماً باعث آن شوند. با این حال، یافته‌ها پرسش‌هایی درباره ارتباط‌های زیستی احتمالی ایجاد می‌کنند که می‌توانند در مطالعات آینده بررسی شوند.
وجود خون در ادرار نیز برای همه بیماران معنای یکسانی نداشت. برای مثال، در میان مردانی که به بزرگی خوش‌خیم پروستات مبتلا بودند، وجود خون در ادرار با خطر پایین‌تر ابتلا به سرطان ارتباط داشت. اگر پژوهش‌های آینده این ارتباط‌ها را تأیید کنند، پزشکان ممکن است بتوانند بدون از دست دادن بیماران پرخطر، از ارجاع برخی افراد برای آزمایش‌های غیرضروری جلوگیری کنند.
سه سطح خطر ابتلا به سرطان مثانه
PRECISE-AGZ بیماران را در سه گروه قرار داد: خطر پایین با احتمال کمتر از ۷ درصد، گروه نامشخص یا محدوده خاکستری با احتمال ۷ تا ۵۵ درصد و خطر بالا با احتمال بیشتر از ۵۵ درصد.
این ساختار می‌تواند به مراکز درمانی کمک کند آزمایش‌ها و سایر منابع پزشکی را در اولویت بیمارانی قرار دهند که احتمال ابتلای آن‌ها به بیماری بیشتر است.
افرادی که در محدوده نامشخص قرار می‌گیرند، ممکن است پیش از انجام مداخلات پزشکی تحت نظر قرار بگیرند و در نتیجه، تعداد سیستوسکوپی‌های غیرضروری کاهش پیدا کند. با این حال، پیش از استفاده از این سامانه در روند معمول مراقبت‌های پزشکی، به بررسی‌ها و توسعه بیشتری نیاز است. در نهایت، این فناوری می‌تواند روش شخصی‌سازی‌شده‌تری برای تصمیم‌گیری درباره ضرورت انجام فوری آزمایش‌ها در اختیار پزشکان قرار دهد.
سرطان مثانه نهمین سرطان شایع در جهان است و در سال ۲۰۲۲، ۶۱۴ هزار مورد جدید از آن تشخیص داده شد. با وجود شیوع بالای این بیماری، برای جمعیت عمومی هیچ برنامه غربالگری معمولی وجود ندارد و پس از بروز علائم، تشخیص بیماری تا حد زیادی به روش تهاجمی سیستوسکوپی وابسته است. سیستم ما بسیار فراتر از علائم سنتی عمل می‌کند و کشف نتایجی که به آن‌ها دست یافته‌ایم بسیار ارزشمند است. این پژوهش نشان می‌دهد ترکیبی از عوامل مختلف، از سوابق مصرف دارو گرفته تا بیماری‌هایی که در ظاهر ارتباطی با سرطان مثانه ندارند، می‌تواند الگوهایی را آشکار کند که در روش‌های معمول غربالگری قابل مشاهده نیستند.
این اظهارات را شو وانگ، دانشجوی دکترا که مسئولیت تحلیل داده‌ها را بر عهده داشت، مطرح کرد.
امیدها و محدودیت‌های غربالگری با هوش مصنوعی
دکتر هلن وینتر، مدیر بالینی اتحاد سرطان سامرست، ویلتشر، آوون و گلاسترشر (SWAG)، گفت:
سرطان مثانه در زمینه تشخیص زودهنگام با یک نیاز جدی و برآورده‌نشده مواجه است و چشم‌انداز توسعه یک ابزار غربالگری می‌تواند برای بیماران و خانواده‌های آن‌ها بسیار امیدوارکننده باشد. چنین ابزاری می‌تواند افراد در معرض خطر بالاتر را با دقت بیشتری شناسایی کند، آسیب ناشی از روش‌های تهاجمی را کاهش دهد و سرطان را در مراحل زودتری تشخیص دهد؛ زمانی که شانس بقا و کیفیت زندگی می‌تواند به شکل چشمگیری بهبود پیدا کند.
ژو نیز گفت:
این پژوهش نشان‌دهنده یک تغییر اساسی به سمت غربالگری دقیق و شخصی‌سازی‌شده سرطان مثانه است. با استفاده از توانایی یادگیری ماشین قابل تفسیر و سوابق جامع سلامت، به تشخیص این بیماری در مراحل اولیه و قابل‌درمان‌تر آن نزدیک‌تر می‌شویم. با این حال، تأکید بر این نکته مهم است که پیش از استفاده گسترده از این فناوری، اعتبارسنجی آن در سیستم‌های مختلف مراقبت سلامت ضروری خواهد بود. برای مثال، تمام داده‌های تحلیل‌شده در این پژوهش از پایگاه داده SAIL در ولز به دست آمده‌اند، بنابراین لازم است این روش در مجموعه‌داده‌های دیگری نیز بررسی شود. این پژوهش اولیه بسیار امیدوارکننده است، اما برای تأیید روابط احتمالی که مدل بر اساس پیش‌بینی‌های خود پیشنهاد کرده است، به مطالعات بیشتری نیاز خواهد بود.
منبع: Scitechdaily
