L’intelligenza artificiale prevede la sopravvivenza di un malato di cancro leggendo gli appunti del medico

riepilogo: Un nuovo algoritmo di elaborazione del linguaggio naturale è in grado di vagliare le note dei medici e prevedere il tasso di sopravvivenza di un malato di cancro nei prossimi 60 mesi con una precisione dell’80%.

fonte: Università della Columbia Britannica

Un team di ricercatori dell’Università della British Columbia e BC Cancer ha sviluppato un modello di intelligenza artificiale (AI) che prevede la sopravvivenza dei malati di cancro in modo più accurato e con dati più prontamente disponibili rispetto agli strumenti precedenti.

Il modello utilizza l’elaborazione del linguaggio naturale (PNL), una branca dell’intelligenza artificiale che comprende il linguaggio umano complesso, per analizzare gli appunti dell’oncologo dopo la prima visita di consultazione del paziente, il primo passo nel percorso del cancro dopo la diagnosi.

Identificando le caratteristiche uniche di ciascun paziente, il modello ha dimostrato di prevedere la sopravvivenza a sei mesi, 36 mesi e 60 mesi con una precisione superiore all’80%.

I risultati sono stati pubblicati oggi La rete JAMA è aperta.

“Prevedere la sopravvivenza del cancro è un fattore importante che può essere utilizzato per migliorare la cura del cancro”, ha affermato l’autore principale Dr. John Jose Nunez, psichiatra e ricercatore clinico presso l’UBC Mood Disorders Center e il BC Cancer Center.

“Potrebbe suggerire che gli operatori sanitari facciano un rinvio anticipato ai servizi di supporto o offrano un’opzione di trattamento più solida in anticipo. Ci auguriamo che uno strumento come questo possa essere utilizzato per personalizzare e migliorare l’assistenza che un paziente riceve immediatamente, offrendo loro il meglio possibile risultato.”

Tradizionalmente, i tassi di sopravvivenza al cancro sono stati calcolati retrospettivamente e classificati solo in base a pochi fattori generali come la posizione del cancro e il tipo di tessuto. Nonostante la familiarità con questi tassi, può essere difficile per gli oncologi prevedere con precisione la sopravvivenza del paziente a causa dei numerosi fattori complessi che influenzano l’esito del paziente.

Il modello sviluppato dal Dr. Nunez e dai suoi collaboratori, che comprende ricercatori del BC Cancer e dei Dipartimenti di Informatica e Psichiatria dell’UBC, è in grado di catturare indizi unici all’interno del documento di consultazione iniziale di un paziente per fornire una valutazione più accurata. Si applica anche a tutti i tipi di cancro, mentre i modelli precedenti erano limitati a determinati tipi di cancro.

“L’intelligenza artificiale legge sostanzialmente il documento di consultazione in modo simile al modo in cui lo leggerebbe un essere umano”, ha affermato il dott. Nunez. Questi documenti contengono molti dettagli come l’età del paziente, il tipo di cancro, le condizioni di salute di base, l’uso di droghe in passato e la storia familiare. L’intelligenza artificiale riunisce tutto questo per dipingere un quadro più completo degli esiti dei pazienti”.

I ricercatori hanno addestrato e testato il modello utilizzando i dati di 47.625 pazienti in tutti e sei i siti di cancro BC situati nella Columbia Britannica. Per proteggere la privacy, tutti i dati dei pazienti sono rimasti archiviati in modo sicuro presso BC Cancer e sono stati inviati in forma anonima. A differenza delle revisioni dei grafici da parte di assistenti di ricerca umani, il nuovo approccio AI ha l’ulteriore vantaggio di mantenere la completa riservatezza delle cartelle cliniche dei pazienti.

“Poiché il modello è stato addestrato sui dati BC, questo lo rende uno strumento potenzialmente potente per prevedere la sopravvivenza del cancro qui nella contea”, ha affermato il dott. Nunez.

In futuro, la tecnologia potrebbe essere applicata nelle cliniche oncologiche in tutto il Canada e in tutto il mondo.

“La cosa grandiosa dei modelli di PNL è che sono altamente scalabili, portatili e non richiedono set di dati strutturati”, ha affermato il dott. Nunez. “Possiamo addestrare rapidamente questi modelli utilizzando dati locali per migliorare le prestazioni in una nuova area. Sospetto che questi modelli forniscano una buona base per qualsiasi parte del mondo in cui i pazienti possono vedere un oncologo”.

In un’altra linea di lavoro, il dottor Nunez sta studiando come facilitare la migliore assistenza psicologica e di consulenza possibile per i malati di cancro utilizzando tecnologie avanzate di intelligenza artificiale. Immagina un futuro in cui l’intelligenza artificiale sia integrata in molti aspetti del sistema sanitario per migliorare l’assistenza ai pazienti.

“Vedo l’IA agire quasi come un assistente virtuale per i medici”, ha affermato il dott. Nunez. “Man mano che la medicina diventa sempre più avanzata, avere l’intelligenza artificiale per aiutare a ordinare e dare un senso a tutti i dati aiuterà le decisioni dei medici. In definitiva, ciò contribuirà a migliorare la qualità della vita e i risultati per i pazienti”.

A proposito di questa notizia sull’intelligenza artificiale e sulla ricerca sul cancro

autore: ufficio stampa
fonte: Università della Columbia Britannica
comunicazione: Ufficio Stampa – Università della British Columbia
immagine: L’immagine è di pubblico dominio

Ricerca originale: accesso libero.
“Predire la sopravvivenza dei malati di cancro dal loro documento iniziale di consultazione oncologica utilizzando l’elaborazione del linguaggio naturaleScritto da John Jose Nunez et al. La rete JAMA è aperta

un sommario

Predire la sopravvivenza dei malati di cancro dal loro documento iniziale di consultazione oncologica utilizzando l’elaborazione del linguaggio naturale

Importanza

Prevedere la sopravvivenza a breve e lungo termine dei pazienti con cancro può migliorare la loro cura. I precedenti modelli predittivi utilizzavano dati con disponibilità limitata o prevedevano l’esito di un solo tipo di cancro.

obbiettivo

Guarda anche

Indagare se la PNL può prevedere la sopravvivenza complessiva dei malati di cancro dal documento di consultazione primaria dell’oncologo del paziente.

Progettazione, preparazione e partecipanti

Questo studio predittivo retrospettivo ha utilizzato i dati di 47.625 dei 59.800 pazienti che hanno iniziato la cura del cancro in uno qualsiasi dei 6 siti di cancro BC situati nella provincia della British Columbia tra il 1 aprile 2011 e il 31 dicembre 2016. I dati sulla mortalità sono stati aggiornati al 6 aprile , 2022, ed è stata Analisi dei dati dall’aggiornamento fino al 30 settembre 2022. Sono stati inclusi tutti i pazienti con visita medica documentata o radioterapia oncologica entro 180 giorni dalla diagnosi; Sono stati esclusi i pazienti visitati per più tipi di cancro.

esposizioni

I documenti di consulenza oncologica primaria sono stati analizzati utilizzando il linguaggio convenzionale e modelli neurologici.

Principali risultati e misure

L’esito primario era la performance dei modelli predittivi, tra cui l’accuratezza bilanciata e l’area delle caratteristiche operative del ricevitore sotto la curva (AUC). Un risultato secondario è stato un’indagine sulle parole usate dai modelli.

risultati

Dei 47.625 pazienti nel campione, 25.428 (53,4%) erano donne e 22.197 (46,6%) erano uomini con un’età media di 64,9 (13,7) anni. Un totale di 41.447 pazienti (87,0%) sono sopravvissuti a 6 mesi, 31.143 (65,4%) sono sopravvissuti a 36 mesi e 27.880 (58,5%) sono sopravvissuti a 60 mesi, calcolati dalla consultazione iniziale dell’oncologo. I migliori modelli hanno raggiunto un’accuratezza bilanciata di 0,856 (AUC, 0,928) per la previsione della sopravvivenza a 6 mesi, 0,842 (AUC, 0,918) per la sopravvivenza a 36 mesi e 0,837 (AUC, 0,918) per la sopravvivenza a 60 mesi, in un test di attesa . assumere. Sono state riscontrate differenze nelle parole significative per la previsione della sopravvivenza da 6 a 60 mesi.

Conclusioni e rilevanza

Questi risultati suggeriscono che i modelli con cui sono stati eseguiti hanno risultati simili o migliori rispetto ai modelli precedenti che prevedevano la sopravvivenza del cancro e che potrebbero essere in grado di prevedere la sopravvivenza utilizzando dati prontamente disponibili senza concentrarsi su un singolo tipo di cancro.