ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ మెర్కెల్ సెల్ కార్సినోమా (MCC) వంటి దూకుడు చర్మ క్యాన్సర్ల యొక్క కోర్సు మరియు తీవ్రతను నిర్ధారిస్తుంది, రోగులు మరియు వారి వైద్యులకు చికిత్స నిర్దిష్ట ఫలితాల వ్యక్తిగత అంచనాలను రూపొందించడం ద్వారా క్లినికల్ నిర్ణయం తీసుకోవడాన్ని మెరుగుపరుస్తుంది.
UKలోని న్యూకాజిల్ విశ్వవిద్యాలయంలోని పరిశోధకుల నేతృత్వంలోని అంతర్జాతీయ బృందం, వ్యక్తిగత మరియు కణితి నిర్దిష్ట లక్షణాల ఆధారంగా MCC చికిత్స నిర్దిష్ట ఫలితాలను అంచనా వేసే శక్తిని అందించే “డీప్మెర్కెల్” అనే వెబ్ ఆధారిత వ్యవస్థను అభివృద్ధి చేయడానికి క్లినికల్ నైపుణ్యంతో మెషీన్ లెర్నింగ్ను మిళితం చేసింది.
ఖచ్చితమైన రోగనిర్ధారణ, సమాచార క్లినికల్ నిర్ణయం తీసుకోవడం మరియు మెరుగైన రోగి ఎంపిక కోసం ఈ వ్యవస్థను ఇతర దూకుడు చర్మ క్యాన్సర్లకు వర్తింపజేయవచ్చని వారు ప్రతిపాదించారు.
MCC
MCC అనేది అరుదైన కానీ అత్యంత తీవ్రమైన చర్మ క్యాన్సర్. ఇది చికిత్స చేయడం కష్టంగా ఉంటుంది — సాధారణంగా బలహీనమైన రోగనిరోధక వ్యవస్థలు కలిగిన వృద్ధులను ప్రభావితం చేస్తుంది, వారు పేలవమైన మనుగడకు సంబంధించిన అధునాతన వ్యాధితో బాధపడుతున్నారు.
డాక్టర్ టామ్ ఆండ్రూ, ఒక ప్లాస్టిక్ సర్జన్ మరియు CRUK నిధులతో న్యూకాజిల్ విశ్వవిద్యాలయంలో PhD విద్యార్థి మరియు మొదటి రచయిత ఇలా అన్నారు; “మెర్కెల్ సెల్ కార్సినోమా యొక్క కోర్సు మరియు తీవ్రతను అంచనా వేయడానికి డీప్మెర్కెల్ మాకు అనుమతిస్తోంది, తద్వారా రోగులకు సరైన నిర్వహణ లభిస్తుంది.
“AIని ఉపయోగించడం వలన డేటాలోని సూక్ష్మమైన కొత్త నమూనాలు మరియు పోకడలను అర్థం చేసుకోవడానికి మాకు అనుమతి ఉంది, దీని అర్థం వ్యక్తిగత స్థాయిలో, మేము ప్రతి రోగికి మరింత ఖచ్చితమైన అంచనాలను అందించగలుగుతాము.
“ఇది చాలా ముఖ్యం, 2020 వరకు 20 సంవత్సరాలలో, ఈ క్యాన్సర్తో బాధపడుతున్న వారి సంఖ్య రెట్టింపు అయ్యింది మరియు ఇది చాలా అరుదుగా ఉన్నప్పటికీ ఇది వృద్ధులను ఎక్కువగా ప్రభావితం చేసే దూకుడు చర్మ క్యాన్సర్.”
న్యూకాజిల్ యూనివర్శిటీలోని డెర్మాటో-ఆంకాలజీ ప్రొఫెసర్ పెన్నీ లోవాట్ మరియు న్యూకాజిల్ యూనివర్శిటీ సీనియర్ క్లినికల్ లెక్చరర్ మరియు న్యూకాజిల్ హాస్పిటల్స్ NHS ఫౌండేషన్ ట్రస్ట్లోని కన్సల్టెంట్ ప్లాస్టిక్ సర్జన్ డాక్టర్ ఐడాన్ రోస్తో కలిసి ఈ పరిశోధన జరిగింది.
డాక్టర్ రోజ్ చెప్పారు; “క్లినికల్ నిర్ణయం తీసుకోవడానికి మార్గనిర్దేశం చేస్తున్నప్పుడు రోగి ఫలితాలను ఖచ్చితంగా అంచనా వేయగలగడం చాలా కీలకం. సంక్లిష్టమైన రోగి సమూహంలో చర్మ క్యాన్సర్ యొక్క దూకుడు రూపాలకు చికిత్స చేసేటప్పుడు ఇది చాలా ముఖ్యమైనది, ఇది సాధారణంగా కష్టతరమైన మరియు కొన్నిసార్లు జీవితాన్ని మార్చే, చికిత్స ఎంపికలకు సంబంధించి ఎంపికలు చేయబడుతుంది. AIని ఉపయోగించి మేము చేసిన అభివృద్ధి వ్యక్తిగతీకరించిన మనుగడ అంచనాలను అందించడానికి మరియు సరైన చికిత్స గురించి రోగి యొక్క వైద్య బృందానికి తెలియజేయడానికి అనుమతిస్తుంది.”
లో రెండు పరిపూరకరమైన ప్రచురణలలో నేచర్ డిజిటల్ మెడిసిన్ మరియు ది అమెరికన్ అకాడమీ ఆఫ్ డెర్మటాలజీ జర్నల్అధునాతన గణాంక మరియు యంత్ర అభ్యాస పద్ధతులను ఉపయోగించి వారు MCC కోసం వెబ్ ఆధారిత ప్రోగ్నోస్టిక్ సాధనాన్ని ఎలా అభివృద్ధి చేశారో బృందం వివరిస్తుంది.
పద్ధతి
నేచర్ డిజిటల్ మెడిసిన్లో, అత్యంత ఉగ్రమైన క్యాన్సర్, MCC కోసం మరణాల ప్రమాద కారకాలపై కొత్త అంతర్దృష్టులను బహిర్గతం చేయడానికి వారు వివరణాత్మక విశ్లేషణ మరియు డేటాను ఎలా ఉపయోగించారో బృందం వివరిస్తుంది. వారు డీప్మెర్కెల్ అని పిలిచే MCC కోసం వెబ్ ఆధారిత ప్రోగ్నోస్టిక్ సాధనాన్ని అభివృద్ధి చేయడానికి, డీప్ లెర్నింగ్ ఫీచర్ ఎంపికను సవరించిన XGBoost ఫ్రేమ్వర్క్తో కలిపారు.
2 దేశాల్లోని దాదాపు 11,000 మంది రోగుల నుండి డేటాను విశ్లేషిస్తూ, పరిశోధకులు జర్నల్ ఆఫ్ ది అమెరికన్ అకాడమీ ఆఫ్ డెర్మటాలజీలో డీప్మెర్కెల్ క్యాన్సర్ ప్రారంభ దశలో హైరిస్క్ ఉన్న రోగులను ఎలా ఖచ్చితంగా గుర్తించగలిగిందో వివరించారు. ఇది రాడికల్ ట్రీట్మెంట్ ఆప్షన్లు మరియు ఇంటెన్సివ్ డిసీజ్ మానిటరింగ్ను ఎప్పుడు ఉపయోగించాలనే దాని గురించి మరింత సమాచారం తీసుకునే నిర్ణయాలు తీసుకోవడానికి వైద్యులను అనుమతిస్తుంది.
మొదట రోగులు
డీప్మెర్కెల్ రోగులకు వ్యక్తిగతంగా ఉత్తమ చికిత్స గురించి వారి వైద్య బృందాలతో నిర్ణయాలు తీసుకోవడానికి మెరుగైన సమాచారాన్ని అందిస్తుందని బృందం భావిస్తోంది.
డాక్టర్ ఆండ్రూ జోడించారు: “మరింత పెట్టుబడితో, మా బృందం యొక్క ఉత్తేజకరమైన తదుపరి దశ డీప్మెర్కెల్ను మరింత అభివృద్ధి చేయడం, తద్వారా సిస్టమ్ వారికి అందుబాటులో ఉన్న ఉత్తమ చికిత్స మార్గంలో వైద్యులకు సలహా ఇవ్వడంలో సహాయపడే ఎంపికలను అందించగలదు.”
తదుపరి దశ డీప్మెర్కెల్ వెబ్సైట్ను సాధారణ క్లినికల్ ప్రాక్టీస్లో ఏకీకృతం చేయడం మరియు దాని ఉపయోగం యొక్క పరిధిని ఇతర కణితి రకాలుగా విస్తరించడం.
