نموذج للذكاء الاصطناعي حول بقاء مرضى سرطان الثدي يهدف إلى تحسين الرعاية الشخصية

وصف فريق من مركز السرطان في جامعة سينسيناتي نهجاً مدعوماً بالذكاء الاصطناعي للتنبؤ ببقاء مريضات سرطان الثدي، يجمع بين الأساليب الإحصائية المعروفة وإطار للتعلم العميق. ونُشر العمل في Journal of Statistical Theory and Practice، ويهدف إلى تقدير المخاطر بصورة أكثر تفصيلاً ودعم الرعاية الشخصية.

لا تلتقط نماذج البقاء التقليدية دائماً العلاقات المعقدة بين الخصائص السريرية وبيولوجيا الورم والعوامل الجينية التي قد تؤثر في مآل المريضة.

يعتمد النظام على استراتيجية «الدمج»، إذ يجمع عدة أساليب إحصائية مع التعلم العميق لتمثيل مخاطر المريضات بدقة أكبر وإنشاء مجموعات مخاطر أكثر تحديداً.

لماذا تحتاج نماذج التنبؤ إلى مزيد من التفصيل

سرطان الثدي ليس مرضاً واحداً متجانساً. ويمكن للمعلومات السريرية والمؤشرات البيولوجية والعوامل الجينية أن تؤثر في العلاج والتوقعات.

قالت Wedad Alatebi إن المشروع بحث ما إذا كان الجمع بين الأساليب الإحصائية والتعلم العميق يستطيع التقاط هذه العلاقات بصورة أفضل.

وقال المؤلف المشارك Anand Seth إن النهج المدمج قد ينشئ مجموعات مخاطر أكثر تحديداً ويساعد الأطباء على تكييف العلاج.

الجمع بين الإحصاء والذكاء الاصطناعي

يظل تحليل البقاء الإحصائي التقليدي مهماً. ولا يقدم العمل التعلم العميق بديلاً كاملاً، بل يضع الأساليب الإحصائية داخل إطار يتعلم أنماطاً معقدة.

يحوّل النموذج المعلومات السريرية أولاً إلى تمثيل يعكس المخاطر، ثم يدمج التعلم العميق في عملية التنبؤ.

نموذج البقاء أداة لدعم القرار وليس قراراً علاجياً بحد ذاته. وتعتمد قيمته على التحقق المناسب واستخدامه إلى جانب الحكم الطبي وتفضيلات المريضة والأدلة الأخرى.

إدخال المعلومات الجينية

يمكن للمعلومات الجينية للورم تحسين النماذج، لكن الوصول إلى الفحوص الجينية غير متساوٍ. لذلك أضاف فريق سينسيناتي بيانات محاكاة للتعبير الجيني.

ولا تلغي البيانات المحاكاة الحاجة إلى التحقق الدقيق. فالطريقة ما زالت مساراً بحثياً محتملاً وليست معياراً سريرياً معتمداً.

ما الذي قد يعنيه البحث

إذا ثبتت صحة النموذج، فقد يساعد تقسيم المريضات إلى مجموعات مخاطر أكثر دقة في دعم نقاشات فردية حول العلاج والمتابعة. أما الآن، فينبغي فهمه كنموذج بحثي، وسيعتمد تأثيره على دراسات لاحقة وإثبات أن التوقعات الأفضل تؤدي إلى قرارات أفضل.

يستند هذا المقال إلى تقرير من Medical Xpress. اقرأ المقال الأصلي.