Исследователи использовали данные из медицинских карт пациентов как в США, так и в Дании с 1977 по 2020 год. Они изучили когорту из 6,2 миллиона датских пациентов, 23 985 из которых страдали раком поджелудочной железы, и 3 миллиона военнослужащих, проходящих лечение. Через Управление по делам ветеранов в конечном итоге были идентифицированы 3864 из них.
Исследователи использовали модель машинного обучения для анализа данных, научив ее предсказывать риск рака на основе симптомов и различных диагностических кодов в медицинских картах пациентов.
Некоторые из симптомов, связанных с прогнозом высокого риска, традиционно не связаны с раком поджелудочной железы. Камни в желчном пузыре, диабет 2 типа, анемия и желудочно-кишечные симптомы, такие как рвота и боль в животе, были связаны с более высоким показателем риска за три года до постановки диагноза.
Исследователи пишут, что в реальном сценарии модель ИИ разовьет рак поджелудочной железы у 320 из каждых 1000 человек, отнесенных к группе высокого риска. Они пишут, что, нацелив наблюдение на пациентов с высоким риском, инструмент может сделать скрининг более доступным.
В настоящее время Целевая группа профилактических служб США не рекомендация Скрининг бессимптомных людей на рак поджелудочной железы. Скрининг пациентов с высоким риском относится к Тем не менее, есть более высокие шансы на долгосрочное выживание.
«Инструмент ИИ, который может сосредоточиться на людях с высоким риском развития рака поджелудочной железы и которым может быть полезно больше тестов, может иметь большое значение для улучшения процесса принятия клинических решений», — сказал Крис Сандер, соавтор исследования. . Гарвардская медицинская школа Лаборатория В одном сообщении биология посвящена использованию машинного обучения и других технологий для решения проблем. освобождение.
По словам Сандер, при масштабном использовании такой инструмент может увеличить продолжительность жизни и улучшить результаты лечения.