کمک هوش مصنوعی به بیماران سرطانی

پیش‌بینی‌های مدل OncoNPC می‌تواند پزشکان را قادر به انتخاب درمان‌های هدفمند برای تومورهای دشوار کند.

برای درصد کمی از بیماران سرطانی، پزشکان قادر به تعیین منشأ سرطان آنها نیستند. این امر انتخاب درمانی را برای این بیماران بسیار دشوارتر می‌کند، زیرا بسیاری از داروهای سرطان معمولاً برای انواع خاصی از سرطان ساخته می‌شوند.

رویکرد جدیدی که توسط محققان MIT و موسسه سرطان Dana-Farber توسعه یافته است، ممکن است شناسایی مکان‌های منشأ آن سرطان‌های مرموز را آسان‌تر کند. محققان با استفاده از یادگیری ماشینی، یک مدل محاسباتی ایجاد کردند که می تواند توالی حدود 400 ژن را تجزیه و تحلیل کند و از آن اطلاعات برای پیش بینی محل منشاء تومور معین در بدن استفاده کند.

با استفاده از این مدل، محققان نشان دادند که می‌توانند به طور دقیق حداقل 40 درصد از تومورهای با منشأ ناشناخته را با اطمینان بالا در مجموعه‌ای از حدود 900 بیمار طبقه‌بندی کنند. این رویکرد باعث افزایش 2.2 برابری در تعداد بیمارانی شد که می‌توانستند واجد شرایط یک درمان هدفمند و هدایت شده از نظر ژنومی باشند، بر اساس اینکه سرطانشان از کجا منشا گرفته است.

اینتای مون، دانشجوی فارغ التحصیل MIT در رشته مهندسی برق و می گوید: «این مهم ترین یافته در مقاله ما بود، اینکه این مدل می تواند به طور بالقوه برای کمک به تصمیم گیری های درمانی استفاده شود، و پزشکان را به سمت درمان های شخصی برای بیماران مبتلا به سرطان با منشا اولیه ناشناخته راهنمایی کند. علوم کامپیوتر که نویسنده اصلی این مطالعه جدید است.

الکساندر گوسف، دانشیار پزشکی در دانشکده پزشکی هاروارد و موسسه سرطان دانا فاربر، نویسنده ارشد این مقاله است که امروز در Nature Medicine منتشر شده است.

ریشه های اسرارآمیز

در 3 تا 5 درصد از بیماران سرطانی، به ویژه در مواردی که تومورها در سراسر بدن متاستاز داده اند، انکولوژیست ها راه آسانی برای تعیین منشا سرطان ندارند. این تومورها به عنوان سرطان های اولیه ناشناخته (CUP) طبقه بندی می شوند.

این فقدان دانش اغلب باعث می‌شود که پزشکان نتوانند داروهای «دقیق» را به بیماران بدهند، داروهایی که معمولاً برای انواع خاصی از سرطان در جایی که