سد فجوة الفحص الحرجة
يتم تشخيص سرطان الكبد الأولي (HCC)، وهو الشكل الأكثر شيوعاً لسرطان الكبد، غالباً في مراحل متقدمة عندما تكون خيارات العلاج محدودة ومعدلات البقاء على قيد الحياة ضعيفة. تركز الإرشادات السريرية الحالية جهود الفحص على المرضى الذين يعانون من تليف معروف أو مرض كبدي مزمن — لكن دراسة جديدة نُشرت في Cancer Discovery تكشف عن خلل حرج في هذا النهج: حدثت 69 في المائة من حالات HCC في دراسة سكانية كبيرة لدى مرضى لم يحصلوا قط على تشخيص سابق لمرض الكبد.
هذا الاكتشاف الفريد — أن غالبية مرضى سرطان الكبد لم يكن لديهم حالة خطر معلمة قبل تشخيصهم — يشير إلى أن بروتوكولات الفحص الحالية تفوت معظم السكان المعرضين للخطر. نموذج التعلم الآلي الذي طوره باحثون في جامعة RWTH Aachen، بقيادة د. كارولين شنايدر، يوفر مساراً محتملاً لتغيير ذلك. باستخدام البيانات الموجودة بالفعل في السجلات السريرية الروتينية فقط، حقق النموذج منطقة تحت منحنى الخصائص التشغيلية للمستقبِل (AUROC) بقيمة 0.88 — متفوقاً بشكل كبير على كل أدوات تسجيل المخاطر السريرية الموجودة المستخدمة لتقييم مخاطر HCC.
كيف يعمل النموذج
تدرب الباحثون على نموذج غابة عشوائية — منهج فريقي يبني مئات أشجار القرار ويجمع توقعاتها — على بيانات السجلات الصحية الإلكترونية ونتائج اختبارات الدم الروتينية من أكثر من 500,000 مشارك في UK Biobank. تضمنت مجموعة بيانات التدريب 538 حالة HCC مؤكدة، مما سمح للنموذج بتعلم أي مجموعات من الميزات السريرية تتنبأ بتطور السرطان بمرور الوقت.
المدخلات متعمدة عملية. يستخدم النموذج الخصائص الديموغرافية للمريض، لوحات الكيمياء الحيوية القياسية (إنزيمات الكبد، تعداد الدم الكامل، علامات التمثيل الغذائي) وبيانات EHR المنظمة — نوع المعلومات التي يجمعها أطباء الرعاية الأولية بالفعل في الفحوصات الروتينية. بدون تصوير متخصص، بدون تسلسل جيني، بدون لوحات مؤشرات حيوية تتطلب بنية أساسية معملية مخصصة.
نسخة مبسطة من النموذج، باستخدام 15 ميزة سريرية فقط، تفوقت على كل أدوات تسجيل المخاطر الموجودة. هذا مهم للنشر في العالم الحقيقي: نموذج بـ 15 ميزة سريع وشفاف وسهل الدمج في أنظمة دعم القرار السريري الموجودة دون الحاجة إلى تغييرات سير العمل.
اكتشاف مفاجئ: معظم المرضى لم يكن لديهم تشخيص سابق
رقم 69 في المائة — حالات HCC بدون تشخيص سابق لمرض الكبد — هو النتيجة الأكثر إثارة للجدل في الدراسة. تطعن بشكل مباشر في منطق تقييد مراقبة HCC إلى مجموعات عالية الخطورة يحددها فئات الأمراض الموجودة. إذا حدث معظم سرطانات الكبد لدى المرضى الذين لا يندرجون حالياً تحت معايير الفحص المعزز، فحتى بروتوكول فحص مثالي تماماً لا يُطبق إلا على مرضى عالي الخطورة المحددين بالإرشادات سيفوت أكثر من ثلثي الحالات.
قدرة نموذج التعلم الآلي على تحديد مخاطر HCC المرتفعة في هذه المجموعة السكانية الأوسع — باستخدام بيانات سريرية روتينية فقط — تشير إلى أنه يمكن أن يكون بمثابة أداة فرز من الدرجة الأولى في إعدادات الرعاية الأولية. يمكن بعد ذلك إحالة المرضى المميزة كمخاطر عالية للتصوير أو اختبارات فحص السرطان بناءً على الدم، مما يتيح كشفاً أبكر في مراحل يكون العلاج الشافي أكثر جدوى.
التحقق عبر السكان المتنوعين
قد لا ينتقل نموذج تم تدريبه بشكل أساسي على بيانات UK Biobank — التي تميل نحو المشاركين البريطانيين الأكبر سناً والبيض — إلى السكان الآخرين. عالج الباحثون هذا القلق من خلال التحقق على سجل All of Us، وهو مجموعة بيانات المعاهد الوطنية للصحة الأمريكية مع أكثر من 400,000 مشارك من أصول عرقية واجتماعية واقتصادية متنوعة.
ثبت أداء النموذج عبر مجموعات ديموغرافية في مجموعة التحقق All of Us، مما يشير إلى أن الميزات السريرية التي تدفع التنبؤ بمخاطر HCC متسقة بدرجة كافية عبر السكان لدعم النشر الواسع. هذه نتيجة مهمة لأداة تهدف إلى الاستخدام عبر السكان المتنوعين للمنظومات الصحية في الولايات المتحدة وأوروبا وما وراءها.
اختبر الباحثون أيضاً ما إذا كان إضافة البيانات الجينومية أو لوحات مؤشرات حيوية الأيضية تحسن التنبؤ. ملحوظ، هذه أنواع البيانات الإضافية المكلفة قدمت رفع أداء ضئيل على نموذج الخط الأساسي السريري. المعنى هو أن أكثر إشارات مخاطر HCC فائدة مدمجة بالفعل في البيانات الروتينية التي تجمعها المنظومات الصحية، واستخراجها يتطلب تحليلات أفضل بدلاً من جمع بيانات أكثر.
المسار نحو النشر السريري
الدراسة بأثر رجعي، بمعنى أنها حللت السجلات التاريخية بدلاً من متابعة المرضى بشكل استباقي. التحقق الاستباقي — متابعة السكان للأمام وقياس ما إذا كان المرضى المميزون بالنموذج يطورون HCC بمعدلات أعلى فعلياً — هو الخطوة التالية المطلوبة قبل التبني السريري.
يلاحظ الباحثون عدة قيود إضافية: تقلل مجموعة UK Biobank من تمثيل المرضى الذين يعانون من عدوى فيروس التهاب الكبد B و C، وهي عوامل خطر HCC رئيسية عالمياً. يجب على تكرارات النموذج المستقبلية أن تدمج بيانات التهاب الكبد الفيروسي وتحقق من الأداء في مناطق انتشار التهاب الكبد العالية.
على الرغم من هذه التحفظات، المساهمة الأساسية للدراسة كبيرة. أداة يمكن لطبيب الرعاية الأولية أن يشغلها على بيانات المريض الموجودة، بدون اختبارات إضافية مطلوبة، والتي تحدد المرضى في خطر سرطان الكبد المرتفع بأداء AUROC 0.88، تمثل تقدماً ذا مغزى على الوضع السريري الحالي. إذا تم التحقق منه بشكل استباقي وتم دمجه في سير عمل EHR، فقد يصبح واحداً من أكثر أدوات فحص AI تأثيراً للوصول إلى الممارسة السريرية.
تستند هذه المقالة إلى تقارير Medical Xpress. اقرأ المقالة الأصلية.
