استفاده از شبکه‌های عصبی برای پیش‌بینی نتایج درمان در سرطان ریه سلول کوچک (SCLC)

به گزارش  گروه سرطان، سرطان نیوز؛ با پیشرفت‌های اخیر در ایمونوتراپی برای درمان سرطان ریه سلول کوچک (SCLC)، پیش‌بینی نتایج درمان به یکی از نقاط تمرکز در عمل بالینی تبدیل شده است. ایمونوتراپی همراه با شیمی‌درمانی به عنوان درمان خط اول برای سرطان ریه سلول کوچک به دلیل بهبود بقا در کارآزمایی‌های تصادفی کنترل‌شده تأیید شده است.

با این حال، پیش‌بینی اثربخشی این روش هنوز چالش‌برانگیز است، به ویژه در غیاب بیومارکرهای موجود. به تازگی، مطالعه‌ای با عنوان "مدل‌های شبکه عصبی بر اساس ویژگی‌های بالینی برای پیش‌بینی اثربخشی ایمونوتراپی در سرطان ریه سلول کوچک" در نشریه Malignancy Spectrum منتشر شده است. این مطالعه با استفاده از تکنیک‌های یادگیری عمیق به توسعه مدلی نوین برای پیش‌بینی پرداخته که به پزشکان کمک می‌کند تا تصمیمات درمانی بهتری اتخاذ کنند.

تحلیل داده‌ها و توسعه مدل شبکه عصبی

تیم تحقیقاتی به‌صورت بازنگرانه داده‌های ۱۴۰ بیمار مبتلا به سرطان ریه سلول کوچک که تحت ایمونوتراپی قرار گرفته بودند را تحلیل کرد و آنها را به گروه کشف و گروه اعتبارسنجی تقسیم نمود. با ساخت و آموزش مدل‌های شبکه عصبی، مدل‌های پیش‌بینی برای سه نتیجه بالینی توسعه یافتند. این مدل‌ها توانستند نرخ پاسخ‌دهی به درمان (ORR)، نرخ کنترل بیماری (DCR) و نسبت بیماران با بقا بدون پیشرفت بیماری (PFS) برای بیش از شش ماه را پیش‌بینی کنند.

دقت مدل‌های پیش‌بینی

نتایج مطالعه نشان داد که مدل ORR در گروه کشف به مقدار AUC برابر با 0.8964 و در گروه اعتبارسنجی به مقدار AUC برابر با 0.8421 دست یافت که نشان از دقت بالای این مدل در پیش‌بینی دارد. این مدل‌ها سپس به صورت ابزارهای پزشک‌پسند فشرده شدند که استفاده از آنها برای پزشکان آسان‌تر باشد.

اهمیت نتایج و کاربردهای بالینی

این تحقیق نه تنها شواهد علمی جدیدی برای درمان شخصی‌سازی شده بیماران SCLC فراهم می‌آورد، بلکه یک مرجع مهم برای تصمیم‌گیری بالینی در مورد ایمونوتراپی به شمار می‌رود. تیم تحقیقاتی اعلام کرده است که به بهینه‌سازی مدل و بررسی بیشتر پایداری و عمومیت آن در مطالعات آینده با نمونه‌های بزرگ و چندمرکزی ادامه خواهند داد.

همکاری‌های تحقیقاتی

این مطالعه توسط مرکز تحقیقات سرطان بیمارستان قفسه سینه پکن، دانشگاه علوم پزشکی پایتخت/مؤسسه تحقیقات تومور و سل قفسه سینه انجام شده است و همکاری‌هایی از بیمارستان مردم سیچوان، دانشگاه علم و فناوری الکترونیک چین و بخش آنکولوژی پزشکی بیمارستان قفسه سینه پکن در آن نقش داشتند.

نتیجه‌گیری

استفاده از مدل‌های شبکه عصبی برای پیش‌بینی اثربخشی ایمونوتراپی در سرطان ریه سلول کوچک به عنوان یک رویکرد نوین در پزشکی شخصی‌سازی‌شده شناخته شده است. این مدل‌ها با افزایش دقت پیش‌بینی به پزشکان کمک می‌کنند تا بهترین تصمیمات درمانی را اتخاذ کرده و به بهبود بقا و کیفیت زندگی بیماران کمک کنند.

تیم تحقیقاتی امیدوار است که با بهینه‌سازی و بررسی‌های بیشتر، بتواند به گسترش استفاده از این مدل‌ها در عمل بالینی و افزایش کارایی درمان‌های ایمونوتراپی کمک کند.