Yuming Jiang, MD. Zhicheng Zhang, PhD. Qingyu Yuan, MD. Wei Wang, MD
سرطان معده یکی از شایع ترین بدخیمی ها و عامل اصلی مرگ و میر ناشی از سرطان در سراسر جهان است. علیرغم پیشرفت در درمان چند جانبه، میزان عود همچنان بالاست. صفاق، شایع ترین محل عود پس از جراحی بالقوه درمانی است.
پیش آگهی برای بیمارانی که عود صفاقی دارند، بسیار ضعیف است و میانگین بقای آن بین ۳ تا ۶ ماه است. تعیین اینکه آیا سرطان پس از درمان قطعی، عود خواهد کرد یا خیر و اگر چنین است، چه زمانی و در کجا عود خواهد کرد، بسیار مهم است. این می تواند به شناسایی بیمارانی که در معرض خطر عود صفاقی هستند کمک کند که می تواند مداخله زودهنگام و به طور بالقوه را بهبود بخشد.
از آنجایی که شیمی درمانی سیستمیک تنها مزیت کمی برای بقا در بیماری صفاقی دارد، رویکردهای درمانی جدید به طور فعال در حال بررسی هستند. چندین کارآزمایی شیمی درمانی درون صفاقی گرم، نتایج امیدوارکننده ای را در کنترل بیماری نشان داده است. با این حال، مزیت بقای طولانی مدت نامشخص است زیرا این روش با افزایش میزان عوارض بعد از عمل، از جمله فیستول گوارشی، ایلئوس چسبنده و سپسیس سیستمیک همراه است. بنابراین، پیش‌بینی دقیق فردی آن هایی که در معرض خطر بالای عود صفاقی هستند، به منظور انتخاب بیمارانی که به احتمال زیاد از درمان‌های جدید مانند شیمی‌درمانی داخل صفاقی گرم سود می‌برند، بسیار مهم است.
زمینه: عود صفاقی، الگوی غالب عود پس از جراحی با هدف درمانی برای سرطان معده است و پیش آگهی بدی را به همراه دارد. پیش‌بینی فردی دقیق عود صفاقی برای شناسایی بیمارانی که ممکن است از درمان فشرده بهره ببرند، حیاتی است. هدف ما توسعه مدل‌های پیش‌بینی‌کننده برای عود صفاقی و پیش‌آگهی در سرطان معده بود.
مواد و روش ها: در این مطالعه گذشته‌نگر چند موسسه‌ای روی ۲۳۲۰ بیمار، ما یک مدل یادگیری عمیق چندوظیفه‌ای را برای پیش‌بینی همزمان عود صفاقی و بقای عاری از بیماری با استفاده از تصاویر CT قبل از عمل ایجاد کردیم. بیماران در گروه آموزشی (۵۱۰ نفر) و گروه اعتبارسنجی داخلی (۷۶۷ نفر) از دانشگاه پزشکی جنوبی، گوانگژو، چین انتخاب شدند. بیماران در گروه اعتبارسنجی خارجی (۱۰۴۳=n) از مرکز سرطان دانشگاه سان یات سن، گوانگژو، چین انتخاب شدند. ما دقت پیش آگهی مدل و همچنین ارتباط آن با پاسخ شیمی درمانی را ارزیابی کردیم. علاوه بر این، ما ارزیابی کردیم که آیا این مدل می‌تواند توانایی پزشکان را در پیش‌بینی عود صفاقی بهبود بخشد.
یافته ها: مدل یادگیری عمیق، دقت بالایی در پیش‌بینی عود صفاقی در گروه آموزشی (ناحیه زیر منحنی مشخصه عملکرد گیرنده [AUC] 0·۸۵۷؛ ۰·۸۲۶–۰·۸۸۹)، کوهورت اعتبارسنجی داخلی (۰·۸۵۶؛ ۰ ·۸۲۹–۰·۸۸۲) و گروه اعتبارسنجی خارجی (۰·۸۴۳؛ ۰·۸۱۹–۰·۸۶۶) داشت. هنگامی که توسط مدل هوش مصنوعی (AI) مطلع شد، حساسیت و توافق بین ارزیابی‌کننده‌های سرطان‌شناسان برای پیش‌بینی عود صفاقی بهبود یافت. این مدل قادر به پیش‌بینی بقای بدون بیماری در گروه آموزشی (C-index 0·۶۵۴؛ ۰·۶۱۶-۰·۶۹۱)، کوهورت اعتبارسنجی داخلی (۰·۶۶۸؛ ۰·۶۴۳-۰·۶۹۳) و خارجی بود. گروه اعتبارسنجی (۰·۶۱۰؛ ۰·۵۸۳–۰·۶۳۶). در تجزیه و تحلیل چند متغیره، مدل عود صفاقی و بقای عاری از بیماری را مستقل از متغیرهای بالینی آسیب‌شناسی پیش‌بینی کرد. برای بیماران با خطر بالای پیش‌بینی عود صفاقی و بقای کم، شیمی درمانی کمکی با بهبود بقای عاری از بیماری در هر دو بیماری مرحله دوم (HR 0·۵۴۳, ۰·۳۶۲-۰·۸۱۵) و بیماری مرحله III (0·۵۳۱, ۰·۴۳۲–۰·۶۵۲) همراه بود. در مقابل، شیمی درمانی، تاثیری بر بقای عاری از بیماری برای بیمارانی با خطر کم پیش‌بینی شده عود صفاقی و بقای بالا نداشت. برای بقیه بیماران، فایده شیمی درمانی به مرحله بستگی داشت: فقط کسانی که بیماری مرحله III دارند از شیمی درمانی بهره می برند (HR 0·۶۳۷, ۰·۴۸۴-۰·۸۳۸).
تفسیر: مدل یادگیری عمیق می تواند امکان پیش بینی دقیق عود صفاقی و بقا در بیماران مبتلا به سرطان معده را فراهم کند. مطالعات آینده نگر برای آزمایش کاربرد بالینی این مدل در هدایت درمان شخصی در ترکیب با معیارهای آسیب شناسی بالینی مورد نیاز است.
The Lancet. Digital Health. VOLUME 4, ISSUE 5, E340-E350, MAY 01, 2022
