Pētnieki izmantoja datus no medicīniskajiem datiem par pacientiem gan ASV, gan Dānijā no 1977. līdz 2020. gadam. Viņi pētīja 6,2 miljonus dāņu pacientu, no kuriem 23 985 bija diagnosticēts aizkuņģa dziedzera vēzis, un 3 miljonus veterānu, kas saņēma aprūpi. . Izmantojot veterānu lietu, 3864 no viņiem galu galā tika diagnosticēti.
Pētnieki izmantoja mašīnmācīšanās modeli, lai analizētu datus, mācot to prognozēt vēža risku, pamatojoties uz simptomiem un dažādiem diagnostikas kodiem, kas atrodami pacientu medicīniskajos dokumentos.
Daži simptomi, kas saistīti ar augstāka riska prognozēšanu, tradicionāli nav saistīti ar aizkuņģa dziedzera vēzi. Žultsakmeņi, 2. tipa cukura diabēts, anēmija un kuņģa-zarnu trakta simptomi, piemēram, vemšana un sāpes vēderā, ir saistīti ar lielāku risku līdz trīs gadiem pirms diagnozes noteikšanas.
Pētnieki raksta, ka reālajā pasaulē aptuveni 320 no katriem 1000 cilvēkiem, kurus AI modelis identificējis kā augstu risku, varētu attīstīt aizkuņģa dziedzera vēzi. Viņi rakstīja, ka, mērķējot uzraudzību uz augsta riska pacientiem, rīks varētu padarīt skrīningu pieejamāku.
Pašlaik to nedara arī ASV Preventīvo dienestu darba grupa ieteikt Asimptomātisku personu pārbaude aizkuņģa dziedzera vēža noteikšanai. Augsta riska pacientu pārbaude ir saistīts Ar lielāku izdzīvošanas iespēju ilgtermiņā.
sacīja pētījuma līdzautors Kriss Sanders, biologs, kurš vada Hārvardas Medicīnas skolu laboratorija Ziņās veltīta mašīnmācības un citu tehnoloģiju izmantošanai bioloģisku problēmu risināšanai palaist.
Sanders teica, ka, ja to plaši izmanto, tas varētu pagarināt dzīves ilgumu un uzlabot ārstēšanas rezultātus.
