الذكاء الاصطناعي يرصد خطر سرطان البنكرياس مبكراً
طور باحثون في «مايو كلينيك» بالولايات المتحدة نموذجاً للذكاء الاصطناعي يمكنه تحديد الأشخاص الأكثر عرضة للإصابة بسرطان البنكرياس قبل تشخيص المرض بما يصل إلى 3 سنوات.
وأوضح الباحثون أن النموذج يعتمد على تحليل المعلومات الصحية المتراكمة في السجلات الطبية الإلكترونية، إلى جانب نتائج الفحوصات المخبرية الروتينية، للبحث عن أنماط قد تشير إلى ارتفاع خطر الإصابة بالمرض، ومن المقرر عرض نتائج الدراسة خلال المؤتمر السريري للكلية الأميركية للجراحين لعام 2026، الذي يُعقد في واشنطن بين 26 و29 سبتمبر (أيلول) الحالي.
ويُعد سرطان البنكرياس من أقل أنواع السرطان شيوعاً، لكنه من أكثر الأورام فتكاً، إذ غالباً ما يُكتشف بعد وصوله إلى مراحل متقدمة. ووفقاً لجمعية السرطان الأميركية، يُتوقع تسجيل نحو 67 ألف حالة إصابة جديدة و52 ألف وفاة بسرطان البنكرياس في الولايات المتحدة خلال عام 2026.
ويمثل المرض نحو 3 في المائة من حالات السرطان الجديدة، لكنه يتسبب في نحو 8 في المائة من إجمالي وفيات السرطان، ما يعكس صعوبة اكتشافه وعلاجه في مراحله المبكرة.
ووفق الدراسة، يستند النموذج إلى أن سرطان البنكرياس لا يتطور خلال فترة قصيرة، إذ تشير تقديرات الباحثين إلى أن تشكله قد يستغرق 5 إلى 7 سنوات. ومع ذلك، قد لا تظهر التغيرات التي يمكن رصدها طبياً بوضوح إلا في مرحلة متأخرة.
ولرصد الإشارات المبكرة المحتملة، حلل الباحثون التاريخ الصحي للمرضى على مدى سنوات، بدلاً من الاعتماد على فحص واحد أو عرض منفرد. وشملت الدراسة بيانات 6066 شخصاً مصاباً بسرطان البنكرياس وأكثر من 33 ألف شخص من مجموعة المقارنة، مع سجلات طبية تراوحت مدة تغطيتها بين 7 و19 عاماً.
وأظهر النموذج قدرة جيدة على التنبؤ بخطر الإصابة قبل 3 سنوات من التشخيص، مع قدرة مرتفعة على التمييز بين الأشخاص الأكثر عرضة للإصابة ومنخفضي الخطورة، إلى جانب توافق جيد بين توقعاته والنتائج الفعلية.
ومن النتائج اللافتة، حسب الباحثين، أن الأشخاص الذين قدّر النموذج أن خطر إصابتهم بسرطان البنكرياس يتجاوز 50 في المائة، بلغت احتمالية تشخيصهم بالمرض خلال عام واحد 88 في المائة.
ويرى الباحثون أن إحدى مزايا هذا النهج أنه لا يتطلب، في صورته الحالية، ابتكار فحص جديد أو إجراء تصوير متخصص لكل شخص، بل يستفيد من البيانات التي تُجمع بالفعل خلال الرعاية الطبية المعتادة وهي تقريباً متوفرة بصورة عامة في أنظمة المستشفيات حول العالم.
ويعمل الفريق حالياً على نقل النموذج من أداة بحثية تعتمد على تحليل بيانات سابقة إلى أداة استباقية يمكن استخدامها في البيئة السريرية. كما يخطط الباحثون لاختباره داخل «مايو كلينيك» وفي نظام صحي خارج المؤسسة خلال العام الحالي، بالتزامن مع تطوير نماذج أكثر تقدماً للتعلم الآلي قد تحسن أداءه.