استطاع مجموعة من الباحثين تطوير أداة أو نموذج أُطلِق عليه اسم (Sybil)، يستند على خوارزميات التعلم العميق (الذكاء الصناعي) بغية التنبؤ باحتمالية خطر الإصابة بسرطان الرئة اعتمادًا على التصوير المقطعي المحوسب بالجرعة المنخفضة (LDCT) دون اللجوء لأيّ معلومات سريرية يستلزم إدخالها من الاختصاصي، أو حتى دون الحاجة لأيّ صور إشعاعية أُخرى.
اعتمد الباحثون في دراستهم على استخدام Sybil لتقييم معدل خطورة الإصابة بسرطان الرئة من عدمه بناءً على قدرته على تحليل الصور الإشعاعية للمرضى، والتي سبق الحصول عليها عبر LDCT، من ثم التنبؤ بخطر الإصابة بسرطان الرئة لدى المريض خلال عام أو 6 أعوام قادمة، إذ يفترض الباحثون بأنّ الصور الإشعاعية التي أُجريَت للمرضى عبر LDCT تتضمّن معلومات استندت عليها الخوارزميات للتنبؤ بخطر الإصابة بسرطان الرئة من عدمه بخلاف الكشف عن وجود العقيدات في الرئة كما المُتعارَف عليه، وقد اشتملَت عينة الدراسة على مجموعة من المُشاركين (من أمريكا وتايوان) من المُدخنين، وممّن لم يسبق لهم التدخين مُطلقًا.
ويطمح الباحثون من خلال دراستهم إلى المساهمة في الكشف المبكّر عن سرطان الرئة بالتنبؤ المُسبَق بحدوثه، خصوصًا لدى الأشخاص الذين لا تشملهم عوامل الخطر ذات الصلة بسرطان كالرئة، كالتدخين مثلًا، إذ إنّ معدلات الإصابة بسرطان الرئة بين غير المُدخنين باتت تشهد ارتفاعًا ملحوظًا مؤخرًا، ما يؤكّد ضرورة إعطاء هذه النِسَب أهميّة في البحوث تجنبًا لارتفاعها المُرتقَب في قادم الأعوام.
يُذكَر بأنّه يُوصَى بإجراء التصوير الإشعاعي LDCT سنويًا لدى المُدخّنين ممّن تجاوزوا 50 عامًا من أعمارهم، وسبق لهم تدخين السجائر لِما يُقارب 20 عامًا، أو للمُدخنين، أو لدى مَن انقطعوا عن التدخين خلال 15 عامًا الأخيرة.
رابط الدراسة
Mikhael PG, Wohlwend J, Yala A, Karstens L, Xiang J, Takigami AK, Bourgouin PP, Chan P, Mrah S, Amayri W, Juan YH, Yang CT, Wan YL, Lin G, Sequist LV, Fintelmann FJ, Barzilay R. Sybil: A Validated Deep Learning Model to Predict Future Lung Cancer Risk From a Single Low-Dose Chest Computed Tomography. J Clin Oncol. 2023 Jan 12:JCO2201345. DOI: https://doi.org/10.1200/jco.22.01345