به گزارش خبرگزاری علم و فناوری آنا به نقل از برایدر ساید نیوز، جامعه پزشکی چندین دهه در تلاش برای توسعه یک آزمایش تشخیصی اولیه دقیق برای سرطان تخمدان است، بیماری که اغلب به دلیل ماهیت بدون علامت آن در مراحل اولیه قاتل خاموش نامیده می‌شود.
با این حال، سرانجام یک پیشرفت از مرکز تحقیقات سرطان یکپارچه فناوری جورجیا (ICRC) پدیدار شد، جایی که دانشمندان از قدرت یادگیری ماشین، فناوری هوش مصنوعی و متابولیت‌های خون برای ایجاد یک ابزار تشخیصی پیشگامانه استفاده کرده اند. این تست از نرخ دقت چشمگیر ۹۳ درصدی برخوردار است که جهشی قابل توجه در تلاش برای تشخیص سرطان تخمدان در ابتدایی‌ترین و قابل درمان‌ترین مراحل آن محسوب می‌شود.
به گزارش سرویس اخبار پزشکی سایت شات ایکس و به نقل از آنا نیروی محرکه پشت این آزمایش تشخیصی نوآورانه، پروفسور جان مک دونالد، فعال در زمینه علوم زیستی و بنیان‌گذار کمیته بین المللی صلیب سرخ است. او ریاست این مطالعه را بر عهده داشت و به عنوان نویسنده متناظر آن فعالیت می‌کرد. مک دونالد توضیح می‌دهد که آزمایش جدید آن‌ها نسبت به روش‌های موجود، به ویژه در تشخیص سرطان تخمدان در مراحل اولیه در میان زنانی که از نظر بالینی در رده نرمال قرار دارند، عملکرد بهتری دارد.
یافته‌ها و روش‌های این تیم در مقاله‌ای که به تازگی منتشر شده است، با عنوان یک رویکرد احتمالی شخصی سازی شده برای تشخیص سرطان تخمدان به طور جامع شرح داده شده است که صفحات مجله معتبر پزشکی، سرطان شناسی گنکولوژی را به خود اختصاص داده است.
مک دونالد و همکارانش یک روش بالینی مرتبط‌‌تر برای تشخیص سرطان تخمدان ایجاد کرده‌اند، روشی که مشخصات متابولیک فردی بیمار را در نظر می‌گیرد و احتمال دقیق‌تری از حضور یا عدم حضور بیماری را فراهم می‌کند.
به گفته مک دونالد، این رویکرد شخصی‌سازی شده و احتمالاتی برای تشخیص سرطان از نظر بالینی آموزنده‌تر و دقیق‌تر از آزمایش‌های دودویی سنتی (بله/خیر) است. این روش نویدبخش مسیر جدیدی در تشخیص زودهنگام سرطان تخمدان و شاید سرطان‌های دیگر نیز باشد.
سرطان تخمدان که اغلب از آن به عنوان قاتل خاموش یاد می‌شود، چالش بزرگی را برای جامعه پزشکی ایجاد می‌کند، زیرا معمولا تا زمانی که به مراحل پیشرفته برسد، بدون علامت باقی می‌ماند و درمان را به طور قابل توجهی دشوارتر می‌کند. مک دونالد با توجه به اینکه نرخ بقای پنج ساله بیماران مبتلا به سرطان تخمدان در مراحل پایانی، حتی پس از درمان، حدود ۳۱ درصد است، بر نیاز حیاتی به یک آزمایش تشخیص زودهنگام دقیق تاکید می‌کند. در مقابل، هنگامی که سرطان تخمدان زود شناسایی و درمان می‌شود، میانگین نرخ بقای پنج ساله به بیش از ۹۰ درصد می‌رسد.
گریزان بودن آزمایش‌های تشخیصی اولیه و دقیق سرطان تخمدان را می‌توان به ماهیت مولکولی پیچیده خود سرطان نسبت داد. به گفته مک دونالد، مسیر‌های مولکولی متعددی وجود دارند که می‌توانند منجر به توسعه سرطان تخمدان شوند. درجه بالای ناهمگونی مولکولی در میان بیماران، شناسایی یک بیومارکر تشخیصی جهانی برای این بیماری را غیرممکن می‌سازد. در نتیجه، تیم تحقیقاتی به هوش مصنوعی، به ویژه یادگیری ماشین، روی آوردند تا روشی جایگزین را ابداع کنند.