به گزارش خبر ICT از  ایتنا آن‌ها از مجموعه داده‌ها برای آزمایش بیش از ۶۰ مدل مختلف یادگیری ماشینی استفاده کردند.  هدف محققان از این مطالعه این بود که ببینند کدام  یک در پیش‌بینی خطر ابتلا به این بیماری موثرتر است.

در این بین، آن‌ها در نهایت چهار مورد را ترکیب کردند. محققان توانستند خطر سرطان ریه را با دقت یکسان یا بهبود یافته در مقایسه با بهترین مدل‌های موجود پیش‌بینی کنند. این یافته‌ها روز سه‌شنبه در مجله پلوس مدیسین ( PLOS Medicine) منتشر شد.

مدل‌های مورد نظر تنها با سه متغیر سن فرد، سال‌های سیگار کشیدن و میانگین تعداد سیگارهای مصرف شده در روز ایجاد شدند.

وی افزود: «این رویکرد، این پتانسیل را دارد که غربالگری سطح جمعیت برای سرطان ریه را تا حد زیاد ساده نماید. همچنین به تحقق آن کمک کند. »

به گفته سازمان جهانی بهداشت، سرطان ریه عامل اصلی مرگ و میر ناشی از سرطان در سراسر جهان است . در این بین کشیدن سیگار عامل اصلی آن است که ۸۵ درصد از کل موارد را تشکیل می‌دهد.

سازمان جهانی بهداشت می‌گوید که این بیماری در سال ۲۰۲۰ باعث مرگ ۱.۸ میلیون نفر شد.

علائم سرطان ریه شامل درد قفسه سینه، تنگی نفس، سرفه‌های بی وقفه، سرفه خونی، خستگی، کاهش وزن و عفونت‌های مکرر ریه می‌شود.

تشخیص سرطان ریه در مراحل اولیه بیماری می‌تواند به نتیجه بهتری منجر شود زیر درمان‌های موثرتری در دسترس است.

ائتلاف سرطان ریه در بریتانیا در سال ۲۰۲۰ اعلام کرد که رایج‌ترین مسیر برای تشخیص سرطان ریه پذیرش اورژانس در بیمارستان است علیرغم اینکه خیلی دیر شده باشد.

اتحادیه اروپا سال گذشته توصیه‌های مربوط به سرطان را به روز رسانی و تاکید کرد که کشورها باید افراد پرخطر از جمله سیگاری‌های با مصرف بالای سیگار و سیگاری‌های سابق که پیش از این به شدت سیگار می‌کشیدند را هدف قرار دهند.

میهائلا ون در شائر، نویسنده این مطالعه از دانشگاه علوم پزشکی کمبریج می‌گوید: «این تحقیق نمونه‌ای بارز از این است که چگونه ابزارهای یادگیری ماشینی مانند اوتو پروگنوسیس (AutoPrognosis) همراه با تحقیقات نوآورانه بالینی می‌تواند تاثیر واقعی بر مراقبت‌های بهداشتی در سطح جمعیت بگذارند.»

محققان افزودند که یکی از محدودیت‌های این مطالعه این بود که طبق داده‌های گذشته‌نگر از بریتانیا و ایالات متحده بود بنابراین داده‌های دیگر از مناطق بیشتری باید در نظر گرفته شود.

تحقیقات دیگر درباره استفاده از هوش مصنوعی برای کمک به تشخیص زودهنگام سرطان ریه، استفاده از این ابزارها را برای کمک به تفسیر سی‌تی‌اسکن قفسه سینه و جست‌وجوی نشانگرهای بیولوژیکی یا جهش‌های ژنی مورد بررسی قرار داده است.