Исследователи разработали инструмент на основе искусственного интеллекта для оценки шансов пациента с впервые диагностированным раком на выживание в долгосрочной перспективе.
Калькулятор выживаемости при раке использует машинное обучение для получения высокоточных оценок выживаемости для конкретных пациентов, уточняя оценки прогноза с точностью до девяти-десяти месяцев фактической выживаемости при различных типах рака.
Согласно исследованию, представленному на клиническом конгрессе Американского колледжа хирургов в 2023 году, калькулятор использует несколько факторов для улучшения оценки выживаемости .
В отличие от традиционных методов, которые в первую очередь зависят от стадии рака, этот инструмент учитывает множество влиятельных факторов, начиная от возраста пациента и размера опухоли и заканчивая конкретными параметрами лечения, предлагая более полный и персонализированный прогноз выживаемости.
Исследование в первую очередь было сосредоточено на пациентах с диагнозом рака молочной железы, щитовидной железы и поджелудочной железы, поскольку эти виды рака представляют собой различные популяции пациентов и показатели выживаемости.
Используя обширный набор данных из Национальной базы данных рака, калькулятор был оптимизирован с использованием записей пациентов, диагностированных в 2015 и 2017 годах.
Набор данных включал 259 485 пациентов с раком молочной железы, 76 624 пациентов с раком щитовидной железы и 84 514 пациентов с раком поджелудочной железы, что позволило алгоритмам машинного обучения выявлять и ранжировать различные факторы, влияющие на результаты выживаемости.
«Существует множество других факторов, которые могут повлиять на выживаемость пациента, помимо критериев определения стадии», — сказала доктор Лорен Янчевски, ведущий автор исследования и хирургический резидент Медицинского центра Макгоу Северо-Западного университета в Чикаго.
Она также подчеркнула способность инструмента включать конкретные биомаркеры опухолей и переменные лечения, повышая его точность и прогностические возможности по сравнению с предыдущими калькуляторами выживаемости.
В процессе разработки три четверти собранных данных использовались для обучения алгоритмов машинного обучения, а остальные данные использовались для проверки, обеспечивая точность и надежность прототипа при оценке выживаемости.
В качестве следующего шага исследовательская группа планирует усовершенствовать пользовательский интерфейс калькулятора, облегчить его внедрение в клиническую практику и провести пилотные испытания в отдельных онкологических центрах.
Конечная цель — расширить возможности калькулятора, включив в него дополнительные типы рака, помогая практикующим врачам улучшить оценки прогноза рака и уход за пациентами.