Ερευνητές δημιούργησαν νέο λογισμικό machine learning (τεχνητή νοημοσύνη) που μπορεί να προβλέψει τους δείκτες επιβίωσης και ανταπόκρισης σε θεραπείες ασθενών με καρκίνο των ωοθηκών.
Το λογισμικό τεχνητής νοημοσύνης, που δημιουργήθηκε από ερευνητές στο Imperial College London και το University of Melbourne, ήταν σε θέση να κάνει προβλέψεις για τις προγνώσεις ασθενών με καρκίνο των ωοθηκών με υψηλότερη ακρίβεια σε σχέση με άλλες μεθόδους. Επίσης, μπορεί να προβλέπει ποια θεραπεία θα είναι πιο αποτελεσματική για την ασθενή μετά τη διάγνωση.
Η σχετική έρευνα δημοσιεύτηκε στο Nature Communications, με τη δοκιμή να λαμβάνει χώρα στο Hammersmith Hospital. Σύμφωνα με τους ερευνητές, η νέα αυτή τεχνολογία μπορεί να βοηθήσει τους γιατρούς να παρέχουν τις καλύτερες θεραπείες στις ασθενείς κι ανοίγει τον δρόμο για πιο εξατομικευμένη ιατρική. Επίσης, ελπίζουν πως θα μπορούσε να χρησιμοποιηθεί για τον διαχωρισμό των ασθενών με καρκίνο των ωοθηκών σε κατηγορίες, με βάση τις μικρές διαφορές που παρατηρούνται στις αξονικές τομογραφίες τους.
«Τα ποσοστά επιβίωσης για ασθενείς με καρκίνο των ωοθηκών σε προχωρημένο στάδια σε μακροπρόθεσμο στάδιο είναι προχωρημένα, παρά τις εξελίξεις που έχουν σημειωθεί στις αντικαρκινικές θεραπείες. Είναι επείγουσα ανάγκη να βρεθούν νέοι τρόποι αντιμετώπισης της ασθένειας. Η τεχνολογία μας μπορεί να παρέχει στους γιατρούς πιο ακριβείς και λεπτομερείς πληροφορίες ως προς το πώς οι ασθενείς είναι πιθανόν να αντιδράσουν σε διαφορετικές θεραπείες, κάτι που θα άνοιγε τον δρόμο για καλύτερες και πιο στοχευμένες αποφάσεις ως προς τις θεραπείες»,
είπε ο καθηγητής Έρικ Αμποάγκιε, lead author και καθητηγής Καρκινικής Φαρμακολογίας και Μοριακής Απεικόνισης στο Imperial College London.
«Η τεχνητή νοημοσύνη έχει τη δυνατότητα να μεταμορφώσει τον τρόπο με τον οποίο λειτουργεί ο χώρος της Υγείας και να βελτιώσει τις εξελίξεις για τους ασθενείς. Το λογισμικό μας είναι τέτοιο παράδειγμα κι ελπίζουμε πως μπορεί να χρησιμοποιηθεί ως εργαλείο που θα βοηθά τους γιατρούς να διαχειρίζονται και να περιθάλπουν καλύτερα τις ασθενείς με καρκίνο των ωοθηκών»,
είπε η καθηγήτρια Άντρεα Ρόκολ, εκ των συντελεστών της έρευνας.
Κανονικά η διάγνωση γίνεται με μια σειρά τρόπων, περιλαμβανομένων εξετάσεων αίματος για τον εντοπισμού μιας ουσίας ονόματι CA125, που υποδεικνύει καρκίνο, και αξονικής τομογραφίας για λεπτομερείς εικόνες του όγκου. Αυτό βοηθά τους γιατρούς να αποφανθούν πόσο έχει εξαπλωθεί η ασθένεια και τι θεραπεία θα έπρεπε λάβει η ασθενής (εγχείρηση, χημειοθεραπεία κτλ).
Οι ερευνητές χρησιμοποίησαν ένα μαθηματικό εργαλείο λογισμικού, το TEXLab, για να διαπιστώνουν πόσο επιθετικοί είναι οι όγκοι στις αξονικές τομογραφίες και δείγματα ιστού από 364 γυναίκες με καρκίνο των ωοθηκών, μεταξύ του 2004 και του 2015.
Το λογισμικό εξέτασε τέσσερα βιολογικά χαρακτηριστικά των όγκων για τους σκοπούς της πρόγνωσης και στις ασθενείς δόθηκε ένα σκορ γνωστό ως RPV (Radiomic Prognostic Vector), που υποδεικνύει σε πόσο προχωρημένο στάδιο είναι η νόσος. Οι ερευνητές συνέκριναν τα αποτελέσματα με εξετάσεις αίματος και «συμβατικά» σκορ πρόγνωσης που χρησιμοποιούν οι γιατροί. Όπως διαπιστώθηκε, το λογισμικό ήταν μέχρι και τέσσερις φορές πιο ακριβές ως προς την πρόβλεψη θανάτων από καρκίνο των ωοθηκών σε σχέση με καθιερωμένες μεθόδους.
Η ομάδα επίσης βρήκε πως το 5% των ασθενών με υψηλά σκορ RPV είχαν δείκτες επιβίωσης κάτω των δύο ετών. Το υψηλό RPV φάνηκε επίσης να σχετίζεται με αντοχή στη χημειοθεραπεία και όχι καλές εξελίξεις σε εγχειρήσεις, υποδεικνύοντας πως το RPV μπορεί να χρησιμοποιηθεί ως ένας «βιοδείκτης» που προβλέπει πώς οι ασθενείς θα ανταποκρίνονται στις θεραπείες. Σύμφωνα με τον καθηγητή Αμποάγκιε, η τεχνολογία αυτή μπορεί να χρησιμοποιηθεί για τον εντοπισμό ασθενών που είναι λιγότερο πιθανό να ανταποκριθούν σε κανονικές θεραπείες, έτσι ώστε να αναζητηθούν εναλλακτικές.
(Συνολικές Επισκέψεις: / Total Visits: 25)
(Σημερινές Επισκέψεις: / Today's Visits: 1)