כלי חדש המבוסס על בינה מלאכותית (AI) מראה הבטחה לשיפור המעקב בחולים שטופלו בטיפולי מיגור אנדוסקופיים לדיספלזיה הקשורה ל-Bart's esophagus (BE) ואדנוקרצינומה מוקדמת של הוושט. BE, הוא המצב הידוע היחיד שקודם לאדנוקרצינומה של הוושט – סרטן אגרסיבי עם שיעורי תמותה גבוהים.
פותח ואומת על ידי חוקרים אמריקאים, מודל הבינה המלאכותית היה מדויק ביותר מ-90% בניבוי חולים יחוו הישנות של BE לאחר טיפול אנדוסקופי (EET) ולזהות מתי זה צפוי להתרחש.
הממצאים פורסמו היום ב-Clinical Gastroenterology and Hepatology.
גילוי מוקדם של דיספלזיה הקשורה בוושט בארט ואדנוקרצינומה של הוושט יכולים להציל חיים. זיהוי הישנות בצורה של BE, דיספלסיה הקשורה ל-BE ואדנוקרצינומה של הוושט הקשורה ל-BE מוקדם יותר, במיוחד בחולים בסיכון גבוה שעברו טיפול חיסול אנדוסקופי, יוצר הזדמנויות לטיפול בזמן לפני שהסרטן מתפתח או מתקדם."
סאצ'ין וואני, MD, מחבר בכיר של המחקר, מנכ"ל מרכז המצוינות של אוניברסיטת קולורדו אנשוץ לסרטן של ראדי ושט וקיבה
EET הוא טיפול יעיל לדיספלזיה הקשורה ל-BE ואדנוקרצינומה מוקדמת של הוושט המבטל רקמת בארט לא תקינה ומפחית משמעותית את הסיכון להתקדמות לסרטן הוושט.
"האתגר הוא שהחזרה של הוושט של בארט עדיין יכולה להתרחש גם לאחר טיפול אנדוסקופי לחיסול ואסטרטגיות מעקב נוכחיות אינן מבחינות בין חולים בסיכון גבוה לעומת נמוך. כולם עוקבים אחר אותו לוח זמנים ללא קשר לסיכון שלהם", אמר וואני.
באמצעות בינה מלאכותית ונתונים של יותר מ-2,500 מטופלים, Wani וצוות מומחים מובילים מכל הארץ פיתחו את הכלי ללימוד מכונה. כדי ליצור אותו, הם ניתחו נתונים קליניים מפורטים של חולים שטופלו ב-EET ועקבו לאורך זמן כדי לקבוע אם, ומתי, דיספלזיה או סרטן הקשורים BE ו-BE חזרו. ניתוח זה גילה שכמעט 3 מתוך 10 מטופלים חוו הישנות לאחר טיפול מוצלח, כאשר המצב חזר כשנתיים לאחר הטיפול בממוצע.
לאחר מכן הוכשר כלי הבינה המלאכותית להסתכל על גורמי מטופל רבים בבת אחת, כגון גיל, משקל גוף, חומרת המחלה ופרטי הטיפול. הוא למד דפוסים שבני אדם לא יכולים לראות בקלות, כולל איך שילובים של גורמים משפיעים על הסיכון. הם מצאו כי יש סיכוי גבוה יותר להישנות בחולים עם:
- אזור ארוך יותר של הרקמה של בארט
- משקל גוף גבוה יותר
- גיל מבוגר יותר
- היה צורך במפגשי טיפול נוספים כדי להסיר לחלוטין רקמה לא תקינה
- שינויים מתקדמים יותר בתאים בזמן האבחון
המודל נבדק בשתי דרכים: על ידי בדיקת עד כמה הוא עבד על חולים בדומה לאלו שהוכשר עליהם ובדיקת ביצועים על קבוצות חולים שונות ממקורות אחרים. הכלי היה מדויק עבור שני קבוצות המטופלים.
כלי זה יכול לעזור לרופאים להתאים אישית את טיפול המעקב לאחר הטיפול, במקום להשתמש באותו לוח זמנים עבור כל מטופל. ניתן יהיה לעקוב מקרוב אחר אנשים בסיכון גבוה יותר לחזרה של המצב, בעוד שאלו בסיכון נמוך יותר עשויים להזדקק לפחות הליכי מעקב. גישה זו עשויה להפחית בדיקות מיותרות, להפחית מתח לחולים ולנצל טוב יותר את משאבי הבריאות.
"עבודה זו מייצגת כמה שנים של מאמץ ושותפות על פני מספר מוסדות. זה לא היה אפשרי ללא שיתוף הפעולה של עמיתינו ששיתפו את הנתונים והמומחיות שלהם", אמר וואני.
משתפי הפעולה כוללים מומחים מאוניברסיטת ג'ונס הופקינס, מאיו קליניק, UZ לובן, אוניברסיטת צפון קרולינה בצ'פל היל, בית הספר לרפואה של אוניברסיטת וושינגטון, מרפאת קליבלנד בלונדון, בית הספר לרפואה של נורת'ווסטרן פיינברג, אוניברסיטאי קולג' לונדון, אוניברסיטת קליפורניה לוס אנג'לס, אוניברסיטת קנזס ו-Hirlanden Clinic ציריך.
השלב הבא הוא אימות נוסף של המודל באמצעות מערכי נתונים בינלאומיים באמצעות שיתופי פעולה בהולנד, בריטניה, בלגיה ושוויץ. המטרה היא לאמת את הכלי כך שניתן יהיה ליישם אותו בצורה רחבה ולהשתמש בו ככלי עזר אמין ואוניברסלי בטיפול קליני.
