پیش بینی درمان بیماران مبتلا به سرطان تخمدان

نرم‌افزار هوش‌ مصنوعی که پژوهشگران امپریال کالج لندن و دانشگاه ملبورن ساخته‌اند، می‌تواند میزان پیشرفت بیماری در بیماران سرطان تخمدان را با دقتی بیشتر از روش‌های موجود پیش‌بینی می‌کند. همچنین، این نرم‌افزار می‌تواند پس از تشخیص بیماری، مؤثرترین درمان برای این دسته از بیماران را پیش‌بینی کند. این پژوهش در بیمارستان همراشمیت، بخشی از ائتلاف بهداشت و درمان NHS امپریال کالج انجام و نتیجه‌ی آن در ژورنال ارتباطات طبیعت منتشر شد.

پژوهشگران می‌گویند این فناوری جدید می‌تواند به پزشکان کمک کند تا بهترین درمان را در کمترین زمان ممکن به بیماران ارائه دهند و همچنین، راه را برای تعیین درمان پزشکی براساس نیاز هر شخص هموارتر کند. آن‌ها امیدوارند این فناوری به طبقه‌بندی بیماران مبتلا به سرطان تخمدان براساس تفاوت‌های ظریف بافت‌های سرطانی‌ها در سی‌تی‌‌اسکن به‌جای طبقه‌بندی براساس نوع سرطان یا مقدار پیشرفت آن کمک کند.

پروفسور اریک آبوگی، نویسنده‌ی اصلی و پروفسور فارماکولوژی سرطان و تصویربرداری مولکولی در امپریال کالج لندن، در‌این‌باره گفت: نرخ زنده‌ماندن طولانی‌مدت برای بیماران سرطان تخمدان پیشرفته با وجود پیشرفت‌های درمان سرطان کم است. نیاز شدیدی برای یافتن راه‌های جدید درمان این بیماری وجود دارد. فناوری ما می‌تواند به پزشکان اطلاعات دقیق‌تر و با جزئیات بیشتری درباره‌ی چگونگی پاسخ بیماران به درمان‌های مختلف ارائه دهد که به پزشکان این توانایی را می‌دهد درمان‌های بهتر و هدفمندتری برای بیماران انتخاب کنند.

پروفسور آندریا راکال، نویسنده‌ی همکار و مشاور متخصص افتخاری رادیولوژی در ائتلاف بهداشت و درمان NHS امپریال کالج، اضافه کرد: هوش‌ مصنوعی این ظرفیت را دارد که راه‌های بهداشت و درمان را تغییر دهد و نتایج حاصل از درمان بیماران را بهبود بخشد. نرم‌افزار ما مثالی از این ظرفیت است و امیدواریم این نرم‌افزار به‌عنوان ابزاری به‌منظور کمک به پزشکان با هدف انتخاب بهترین درمان برای بیماران سرطان تخمدان استفاده شود.

سرطان تخمدان ششمین سرطان رایج میان زنان است و معمولا بعد از یائسگی، زنانی را تحت‌تأثیر قرار می‌دهد که در خانواده‌شان سابقه‌ی این بیماری وجود دارد. هرساله در انگلستان، ۶،۰۰۰ بیمار جدید سرطان تخمدان وجود دارد؛ اما نرخ بقای طولانی‌مدت فقط ۳۵ تا ۴۰ درصد است؛ زیرا این بیماری معمولا در مراحل پیشرفته‌تر و زمانی‌ تشخیص داده می‌شود که نشانه‌هایی مانند نفخ مشاهده‌شدنی است. تشخیص زودهنگام این بیماری ممکن است باعث بهبود این نرخ شود.

پزشکان با کمک راه‌هایی مانند آزمایش‌خون به‌منظور یافتن ماده‌ای به‌نام CA125 که نشان‌دهنده‌ی سرطان است، به‌همراه‌ سی‌تی‌اسکن که از اشعه‌ی ایکس و کامپیوتر برای ایجاد تصاویر دقیق از تومور تخمدان استفاده می‌کنند، این سرطان را تشخیص می‌دهند. این روش به پزشکان کمک می‌کند بفهمند بیماری چقدر در بدن فرد بیمار پخش شده و نوع درمانی که بیمار باید دریافت کند، مانند شیمی‌درمانی یا جراحی را تعیین کنند.

باوجوداین‌، اسکن‌ها نمی‌توانند به پزشکان درک دقیقی از نتایج احتمالی کلی بیماران یا اثر احتمالی مداخله‌درمانی بدهند. بین سال‌های ۲۰۰۴ تا ۲۰۱۵، پژوهشگران از نرم‌افزاری ریاضی به‌نام TEXlab برای تعیین میزان پیشرفت تومور و نمونه‌بافت‌های ۳۶۳ زن با سرطان تخمدان استفاده کردند.

این نرم‌افزار ۴ ویژگی بیولوژیکی از تومورها را که به‌طور درخورتوجهی روی زنده‌ماندن بیماران تأثیر می‌گذاشت، به‌منظور پیش‌بینی بیماری بررسی کردند. این ۴ ویژگی عبارت‌اند از: ساختار، شکل، اندازه و آرایش ژنتیکی تومور. سپس، به بیماران یک نمره به‌عنوان بردار پیش‌بینی رادیومیک (Radiomic Prognostic Vector) داده می‌شد که به‌اختصار RPV نامیده می‌شود. این امتیاز شدت وخامت بیماری را نشان می‌داد که از خفیف تا شدید درجه‎‌بندی شده بود.

پژوهشگران نتایج به‌دست‌آمده را با نتایج حاصل از آزمایش‌خون و نمره‌های پیش‌بینی فعلی مقایسه کردند که پزشکان به‌منظور تخمین میزان زنده‌ماندن بیمار از آن استفاده می‌کردند. آن‌ها دریافتند این نرم‌افزار بیشتر از ۴ برابر از روش‌های استاندارد در پیش‌بینی مرگ‌ومیر دقیق‌تر بود.

همچنین، این گروه پژوهشی دریافتند ۵ درصد از بیماران با نمره‌های بالای RPV نرخ زنده‌ماندن کمتر از ۲ سال داشتند. افزون‌براین، نمره‌های بالای RPV با مقاومت دربرابر شیمی‌درمانی و نتایج ضعیف حاصل از جراحی در ارتباط است. همه‌ی این موضوعات نشان می‌دهد RPV می‌تواند به‌عنوان نشانگری بالقوه برای پیش‌بینی نحوه‌ی پاسخ بیماران به درمان‌ها استفاده شود.

پروفسور آبوگی پیشنهاد می‌دهد این فناوری می‌تواند برای تعیین بیمارانی استفاده شود که بعید است به درمان‌های استاندارد پاسخ دهند تا بتوان با شناسایی آن‌ها، از درمان‌های جایگزین استفاده کرد.

پژوهشگران قرار است پژوهش گسترده‌تری انجام دهند تا ببینند این نرم‌افزار با چه دقتی می‌تواند نتایج جراحی یا درمان‌های دارویی را برای هر بیمار پیش‌بینی کند. حامی مالی این پژوهش مرکز پژوهش زیست‌پزشکی امپریال NIHR و مرکز پزشکی سرطان تجربی کالج امپریال و بانک بافت امپریال کالج لندن هستند.

پژوهش اخیر نمونه‌ای از پژوهش‌هایی است که مرکز علمی علوم بهداشت و سلامت امپریال کالج ابتکاری مشترک بین کالج امپریال لندن و سه ائتلاف از بیمارستان NHS انجام داده است. هدف این مطالعه تبدیل مراقبت‌های بهداشتی ازطریق تبدیل اکتشافات علمی به پیشرفت‌های پزشکی به‌نفع مردم کشور و تمام دنیا در سریع‌ترین زمان ممکن است.

مجله اینترنتی زندگی سالم