השימוש בטכנולוגיית בינה מלאכותית עשוי לסייע בהפחתת שיעורי תוצאות חיוביות-שגויות בבדיקות סקר לסרטן ריאות, ללא פספוס מקרים של ממאירות בפועל, כך עולה מנתונים חדשים, שפורסמו במהלך חודש מרץ בכתב העת Thorax.
במסגרת המחקר בחנו החוקרים אם ניתן לשפר את יכולת החיזוי של סרטן ריאות ע”י שילוב מאפיינים של בדיקת Low Dose Computed Tomography (LDCT) עם נתונים קליניים אחרים ומחלות רקע. מדגם המחקר כלל 218 משתתפים עם סרטן ריאות או קשריות שפירות וניתוח סטטיסטי שימש לשלב נתונים דמוגרפיים וקליניים עם מאפייני LDCT ב-92 נבדקים (מדגם אימון) במחקר Pittsburgh Lung Screening Study.
בשלב הראשון בחנו החוקרים מדגם אימון של 50 משתתפים עם ממאירות שזוהתה על-בסיס בדיקת LDCT בתחילת המחקר ו-42 אחרים עם קשריות שזוהו בבדיקות הסקירה. גילאי המשתתפים נעו בין 55-77 שנים, כולם עם היסטוריה של מעל 30 שנות חפיסה אך הפסיקו לעשן פחות מ-15 שנים טרם הסקירה.
מדגם התיקוף כלל 126 משתתפים (44 מקרים, 82 ביקורות) עם נתונים שנאספו באופן בלתי תלוי למדגם האימון. גיל, מין, היסטוריית עישון היו דומים בין חולי סרטן ואלו עם קשריות שפירות. ב-39 מקרים ו-39 ביקורות זוהו קשריות קטנות מ-3 ס”מ.
לימוד מכונה כולל הדרכת מחשב להגיע למסקנה מסוימת, אשר מושגת ע”י הזנת כמויות נתונים אדירות. באמצעות אלגוריתם לימוד מכונה יצרו החוקרים מודל שיכול לחשב את הסבירות לממאירות. במידה והסבירות נופלת מתחת לסף מסוים, אזי המודל שולל ממאירות.
החוקרים מצאו כי מספר הקשריות ומספר כלי הדם נבחרו בכל עשרת הסבבים ומספר השנים שחלפו מאז הפסקת עישון נבחרו בשמונה סבבים. מכאן עלה כי שלושת משתנים הללו סיפקו מידע חשוב ביותר אודות נוכחות סרטן ריאות. החוקרים התבססו על משתנים אלו ליצירת מודל LCCM (Lung Cancer Causal Model), אשר תוקף במדגם נפרד של 126 משתתפים. מהנתונים עלה כי מספר הקשריות וכלי הדם ומספר השנים שחלפו מהפסקת עישון היו מספיקים בכדי להבחין בין קשריות שפירות וממאירות.
במדגם תיקוף חיצוני, דיוק הניבוי של LCCM נבחן אל מול המודל הטוב ביותר בשלב האימון (Brock Parsimonious) עם מספר דומה של מדדים. מודל LCCM היה מדויק יותר משמעותית ממודל Brock Parsimonious;rock Parsimoniousמעותית ממודל שלב האימון עם מספר משת עישון היו מספיקים בכדי להבחין בין קשריות שפירות וממאירות. ני הה ביותר בלבד: השטח מתחת לעקומה עמד על 0.903 עם LCCM, בהשוואה ל-0.757 ו-0.812 עם מודל Brock Parsimonious המעודכן והמקורי, בהתאמה.
החוקרים מציינים כי מספר כלי הדם הסמוכים, אשר לא זוהו במודלי חיזוי אחרים, שיפר משמעותית את יכולת החיזוי. מודל LCCM זיהה נכונה 28.3% מהקשריות השפירות ללא אף מקרה של סיווג שגוי של אדם עם ממאירות.
כעת החוקרים קוראים לבחון את התוקף של מודל LCCM במדגם רב-מרכזי, כאשר הם מאמינים כי התוצאות יהיו דומות, כך שניתן יהיה לקבוע את התוצאות תקפות לאוכלוסיות שונות.
Thorax. Published online March 12, 2019
e-Med Tools
קצר קולע וממוקד
e-Med סמינרים
אי-מד תחקירים
Medscape Tools
Journal Club
מרכזי מידע ושירות
Facebook
מידע למפרסם
מאגר תרופות
מאגר אנשי המקצוע
אינדקס שימושי
חדשות משה"ב
eMed HealthClub
מחקרים קליניים
השאירו תגובה
רוצה להצטרף לדיון?תרגישו חופשי לתרום!