מה אם מחשב יכול לקרוא את ההערות הרפואיות של המטופל ולעזור לרופאים לקבוע מידע חשוב לטיפול שלהם?
במרכז הסרטן Musc Hollings, חוקרים בהובלת ג'יהאד אובייד, MD ומריו פוגל, Ph.D., משתמשים בצורה מתקדמת של בינה מלאכותית (AI) כדי לעשות זאת בדיוק – ביטול נעילת פרטים קריטיים הקבורים ברישומים רפואיים להתאמת טיפולים לסרטן המשפיעים על המוח. מודל הדיוק הגבוה שלהם יכול להפוך את האופן בו רופאים מסווגים ומטפלים בגידולים גרורתיים, ולהציע תשובות מהירות יותר וטיפול מותאם אישית יותר מבלי להוסיף לעומסי העבודה של הרופאים.
במחקר החדש, שפורסם ב- JCO Clinical Sancer Informatics, החוקרים השתמשו בסוג של AI בשם עיבוד שפה טבעית (NLP) כדי לפתור בעיה מתסכלת: כיצד לתקשר ביעילות פרטים על אבחנת המטופל בין רופאים ממומחיות שונות אם המטופל מתוכנן לקרינה לגידולי מוח.
מעקב אחר מקורות הסרטן
מרבית סרטן המוח, המכונה גרורות מוחיות, לא התחילו שם. במקום זאת, סרטן אלה התחילו במקומות אחרים בגוף, כמו ריאה, שד, עור, כליה או דרכי עיכול ואז נסעו למוח.
הידיעה היכן מקור גרורות מוחיות היא יצירה קריטית בפאזל הקליני. זה נכון במיוחד עבור חולים שקיבלו טיפול מתמחה הנקרא רדיוסורורגיה סטראוטקטית (SRS), המספק מנה גבוהה של קרינה ממוקדת בפגישה יחידה. אמנם יעיל ביותר, SRS אכן מגיע עם סיכונים. אלה כוללים תופעות לוואי מהקרנות רבות מדי ופגיעה פוטנציאלית לרקמות בריאות ולא סרטניות בקרבת מקום.
אך ניתן להפחית את הסיכונים הללו או אפילו להימנע ממנו אם טיפולי החולים מותאמים לסוגי הסרטן המקוריים שלהם מכיוון שסרטן שונים מגיבים באופן שונה לקרינה. לדוגמה, סרטן הריאות רגיש מאוד לקרינה וניתן לטפל בהן במינונים נמוכים יותר. לעומת זאת, סרטן הכליות נוטה להתנגד לקרינה ודורש טיפול ממושך יותר.
המוח הוא איבר כל כך רגיש שאנחנו רוצים להיות מדויקים ככל האפשר עם מינון הקרינה. אך ראשית, עלינו לדעת מה בדיוק אנו מטפלים ואז לפתח תוכנית טיפול ספציפית על בסיס מידע זה. "
מריו פוגל, דוקטור
הערות קליניות מכילות שפע של מידע על האבחנה והטיפול של המטופל. אולם צלילה לשטרות מטופלים בודדים כדי לשלוף את הפרטים הרלוונטיים היא תהליך אינטנסיבי לעבודה וגוזל זמן.
"הרשומות הרפואיות מעולם לא תוכננו למחקר. לעתים קרובות הם מבולגנים ולא מושלמים", הסביר אוביד. "אבל אם נוכל להבין מהם, אנו יכולים להפוך אותם למשהו שעוזר לרופאים ולמטופלים על ידי שיפור מאמצי המחקר ולאפשר טיפול מדויק יותר."
זה המקום בו NLP – ענף של AI שמאמן מחשבים להבין את השפה האנושית – יכול לעזור. NLP למעשה מאפשר למחשבים להבין את מה שאנו כותבים או אומרים, ולגשר על הפער בין תקשורת אנושית לנתוני מחשב.
מציאת שפה משותפת
יש אנשים שעלולים להיות מופתעים מהצורך בדרך טובה יותר לזהות אבחנות סרטן. לאנשי מקצוע בתחום הרפואה יש כבר שפת אבחון נפוצה לרשום ולעקוב אחר מחלות, המכונה סיווג בינלאומי של מחלות (ICD).
לרוע המזל, במקרים מורכבים כמו גרורות מוחיות, קודים אלה מחמיצים לרוב את הסימן. הסיבה לכך היא שקודי ICD עשויים שלא להתייחס למקור הבסיסי של הגידול, במיוחד עבור חולים עם יותר מסוג אחד של סרטן או כאשר הסרטן מתפשט מוקדם. לקודים אין גם את הספציפיות לפרוץ תת -סוגים לסרטן.
"הפתק הקליני הוא הקרוב ביותר לאמת המתרחש כפי שאתה יכול להשיג", אמר פוגל, "מכיוון שיש לו ניואנס כי קודי ICD חסרים. קוד פשוט יגיד 'סרטן ריאות'. זה לא ייכנס אם זה הריאה השמאלית לעומת הימין, החלק העליון לעומת החלק התחתון של הריאה או התא הקטן לעומת התא שאינו קטן.
קריאה בין השורות
במחקר זה, החוקרים פיתחו מודל NLP שיכול "לקרוא" הערות של רופאים ולזהות מילות מפתח וביטויים המעידים על סוג הסרטן הראשוני – למשל, מילים כמו "צינור" לסרטן השד ו"מלנומה "לסרטן העור. על ידי פיתוח NLP שהוצא אוטומטית את הנתונים מהערות קליניות, קיוו החוקרים להקל על קבוצת החולים לטיפול ומחקר.
"עם נתונים טובים יותר, אנו יכולים לתכנן מחקרים טובים יותר, לגלות תגליות מהירות יותר וטיפולים בצורה מדויקת יותר לכל מטופל", הדגיש פוגל.
החוקרים בדקו את מודל ה- NLP על הערות הרופאים שנמצאו ברשומות בריאות אלקטרוניות, באופן ספציפי, הערות אונקולוגיות קרינה עם תיאורים מפורטים של סוגי הסרטן וההיסטוריה. הם רצו לבדוק אם המודל יכול לזהות את אבחנות הסרטן המקוריות בצורה מדויקת יותר מאשר קודים רפואיים סטנדרטיים.
החוקרים בדקו את המודל ב 82,000 הערות קליניות מהרישומים הרפואיים של יותר מ -1,400 חולים שטופלו ב- SRS עבור גרורות מוחיות. המודל נועד לקרוא את התווים, לחפש דפוסים בטקסט ולהשתמש בנתונים אלה כדי לקבוע את סוג הסרטן הראשוני עבור כל מטופל. מבקרי מומחים בדקו ידנית את ההערות לאישור.
נתונים טובים יותר, טיפול טוב יותר
דגם ה- NLP היה מדויק להפליא. בעוד שקודי ICD היו טועים או לא ברורים, המודל זיהה נכון את הסרטן הראשוני ביותר מ- 90% מהמקרים. עבור סרטן נפוץ כמו סרטן ריאות, שד ועור, הסיווג היה כמעט מושלם אצל 97%. התוכנית יכולה אפילו לזהות תת -סוגים לסרטן הריאות, אשר קודי ICD לא הצליחו לעשות. תוצאות אלה מאמתות את NLP ככלי רב עוצמה למיצוי נתונים קליניים, המסוגלים לבצע ביצועים טובים יותר בקודים רפואיים מסורתיים בקביעת האבחנה המקורית של החולה.
"גישה זו ממלאת פער מכריע," אמר פוגל. "כלי ה- AI שלנו משך את האבחנות מרשימות הרופאים במהירות, במדויק וללא עבודה נוספת לצוותי טיפול."
חשוב לציין שהמודל תוכנן להיות פשוט ויעיל. זה אינו דורש מערכי נתונים גדולים, דוגמאות אימונים חזקות או כוח מחשוב אינטנסיבי, והוא נמנע מרבים מהדאגות האתיות הקשורות למודלים גדולים יותר של AI.
"הכוח האמיתי כאן הוא שגישה זו קלה ומדרגית", אמר אוביד. "בתי חולים אחרים יכולים להשתמש בקלות בכלי זה, אפילו עם משאבים מוגבלים."
צוות המחקר מתאר עבודה זו כצעד עיקרי לעבר טיפול בהתאמה אישית, בהתאמה אישית לחולים בסרטן. יעילות ודיוק מוגברים בסיווג הסרטן עשויים בסופו של דבר להיות מחקרים מהירה יותר, טיפול טוב יותר ופחות ניחושים לרופאים.
הצוות עובד כעת על מחקר המשתמש בגישה דומה של NLP כדי לזהות חולים בסיכון לנמק קרינה – נפיחות במוח שהיא תופעת לוואי נדירה, אך רצינית, של קרינה רבה מדי. מאמץ זה יכול לעזור לתפוס סיבוכים מוקדם יותר או להימנע מהם לחלוטין. חוקרים עתידיים יכולים להשתמש גם במודל NLP עם מערכות בריאות אחרות וסוגי סרטן אחרים או להוסיף נתונים בריאותיים, כגון סריקות הדמיה או בדיקות מעבדה.
מבחינת Obeid, עבודה זו משקפת מגמה גדולה יותר בתחום הבריאות: שימוש ברישומי בריאות אלקטרוניים לא רק לתיעוד אלא כמקור עשיר לנתונים שיכולים לשפר את הטיפול בזמן אמת.
"אוטומציה של מיצוי נתונים מהערות לא מובנות שכבר נמצאות ברשומות הבריאות בונות מערכי נתונים מדויקים ומעודכנים", אמר. "גישה זו חוסכת זמן ופותחת את הדלת למחקר משמעותי יותר על תוצאות לאחר ניתוחי רדיו וטיפולים אחרים."
ככל שהטיפול בסרטן הופך מורכב יותר, כלים מונעי נתונים כמו זה צוברים חשיבות. על ידי לימוד מחשבים לקרוא הערות רפואיות שרופאים כותבים, החוקרים עוזרים לגשר על הפער בין נתונים גולמיים להבנה אמיתית.
