Τεχνητή νοημοσύνη ανέδειξε τους λόγους για τους οποίους η επιβίωση από τον καρκίνο διαφέρει τόσο πολύ παγκοσμίως, υπογραμμίζοντας τους συγκεκριμένους παράγοντες των συστημάτων υγείας που έχουν τη μεγαλύτερη σημασία σε κάθε χώρα. Ερευνητές στις ΗΠΑ χρησιμοποίησαν μηχανική μάθηση- μια μορφή τεχνητής νοημοσύνης (ΤΝ)- για να εντοπίσουν τους πιο καθοριστικούς παράγοντες που επηρεάζουν τα ποσοστά επιβίωσης από καρκίνο σε σχεδόν όλες τις χώρες του κόσμου.
Η έρευνά τους δείχνει ποιες συγκεκριμένες πολιτικές δράσεις ή βελτιώσεις του συστήματος θα μπορούσαν να αυξήσουν πιο αποτελεσματικά τα ποσοστά επιβίωσης από καρκίνο σε μεμονωμένες χώρες. Μέσω ενός διαδικτυακού εργαλείου που ανέπτυξε η ομάδα, οι χρήστες μπορούν να επιλέξουν μια χώρα και να διερευνήσουν ποια στοιχεία, όπως το εθνικό εισόδημα, η πρόσβαση στην ακτινοθεραπεία και η καθολική κάλυψη υγείας, σχετίζονται πιο άμεσα με την έκβαση του καρκίνου.
«Τα παγκόσμια αποτελέσματα για τον καρκίνο διαφέρουν σημαντικά, κυρίως λόγω των διαφορών στα εθνικά συστήματα υγείας. Θέλαμε να δημιουργήσουμε ένα πρακτικό, βασισμένο σε δεδομένα πλαίσιο που να βοηθά τις χώρες να εντοπίσουν τα πιο αποτελεσματικά μέτρα πολιτικής για τη μείωση της θνησιμότητας και τη γεφύρωση των ανισοτήτων» δήλωσε ο Δρ. Έντουαρντ Κρίστοφερ Ντι, ειδικευόμενος ακτινολογικής ογκολογίας στο MemorialSloanKettering Cancer Center στη Νέα Υόρκη και συν-επικεφαλής της μελέτης.
«Διαπιστώσαμε ότι η πρόσβαση σε ακτινοθεραπεία, η καθολική κάλυψη υγείας και η οικονομική ισχύς είναι συχνά σημαντικοί παράγοντες που συνδέονται με καλύτερα εθνικά αποτελέσματα για τον καρκίνο. Ωστόσο, και άλλοι κρίσιμοι παράγοντες παίζουν επίσης ρόλο» πρόσθεσε.
Πώς λειτουργεί το μοντέλο μηχανικής μάθησης
Ο Δρ. Ντι και οι συνεργάτες του χρησιμοποίησαν μηχανική μάθηση για να αναλύσουν δεδομένα για τη συχνότητα εμφάνισης και τη θνησιμότητα από καρκίνο από το Global Cancer Observatory (GLOBOCAN 2022) για 185 χώρες. Συνέλεξαν επίσης πληροφορίες για τα συστήματα υγείας από τον Παγκόσμιο Οργανισμό Υγείας, την Παγκόσμια Τράπεζα, οργανισμούς του ΟΗΕ και ορισμένα Κέντρα Ακτινοθεραπείας.
Το μοντέλο υπολογίζει τους δείκτες θνησιμότητας MIR οι οποίοι απεικονίζουν το ποσοστό των καρκινικών περιπτώσεων που καταλήγουν σε θάνατο και χρησιμεύουν ως μέτρο της αποτελεσματικότητας της θεραπείας του καρκίνου.
«Πέρα από την περιγραφή των ανισοτήτων, η έρευνά μας παρέχει πρακτικούς, βασισμένους σε δεδομένα χάρτες πορείας για τους υπεύθυνους πολιτικής, δείχνοντας ακριβώς ποιες επενδύσεις στο σύστημα υγείας συνδέονται με τη μεγαλύτερη επίδραση σε κάθε χώρα» εξήγησε ο ο Μίλιτ Πατέλ, επικεφαλής της μελέτης και ερευνητής βιοχημείας, στατιστικής και επιστήμης δεδομένων, μεταρρύθμισης και καινοτομίας στον τομέα της υγειονομικής περίθαλψης στο Πανεπιστήμιο του Τέξας στο Όστιν.
«Καθώς αυξάνεται το παγκόσμιο φορτίο καρκίνου, αυτά τα στοιχεία μπορούν να βοηθήσουν τις χώρες να κατανείμουν στρατηγικά τους πόρους και να μειώσουν τα χάσματα επιβίωσης με τον πιο δίκαιο και αποτελεσματικό τρόπο», σημείωσε ο Πατέλ.
Παραδείγματα χωρών αναδεικνύουν διαφορετικές προτεραιότητες
Η ανάλυση διαπιστώνει ότι οι παράγοντες που επηρεάζουν περισσότερο διαφέρουν ανά χώρα. Στη Βραζιλία, για παράδειγμα, η καθολική κάλυψη υγείας (UHC) δείχνει την ισχυρότερη θετική συσχέτιση. Άλλοι παράγοντες, όπως οι υπηρεσίες παθολογίας και ο αριθμός των νοσηλευτών και των μαιών ανά 1000 άτομα, φαίνεται να έχουν μικρότερη επίδραση στα αποτελέσματα προς το παρόν. Με βάση αυτά τα ευρήματα, οι ερευνητές προτείνουν ότι η επέκταση της UHC θα πρέπει να αποτελεί κορυφαία προτεραιότητα για τη Βραζιλία.
Στην Πολωνία, η διαθεσιμότητα υπηρεσιών ακτινοθεραπείας, το κατά κεφαλήν ΑΕΠ και ο δείκτης UHC έχουν τον μεγαλύτερο αντίκτυπο στα ποσοστά επιβίωσης από καρκίνο. Αυτό το μοτίβο υποδηλώνει ότι οι πρόσφατες προσπάθειες για την ενίσχυση της ασφάλισης υγείας και της πρόσβασης στην περίθαλψη έχουν αποφέρει μεγαλύτερα κέρδη από τις γενικές δαπάνες για την υγεία, οι οποίες παρουσιάζουν μια πιο μέτρια επίδραση.
Η Ιαπωνία, οι ΗΠΑ και το Ηνωμένο Βασίλειο παρουσιάζουν μια διαφορετική εικόνα. Σε αυτές τις χώρες, σχεδόν όλοι οι παράγοντες του συστήματος υγείας συνδέονται με καλύτερα αποτελέσματα για τον καρκίνο. Η Κίνα παρουσιάζει μια πιο σύνθετη εικόνα. Το υψηλότερο κατά κεφαλήν ΑΕΠ, η καθολική κάλυψη υγείας και η μεγαλύτερη πρόσβαση σε κέντρα ακτινοθεραπείας συμβάλλουν σημαντικά στη βελτίωση των αποτελεσμάτων για τον καρκίνο.
«Καθώς το παγκόσμιο βάρος του καρκίνου αυξάνεται, αυτό το μοντέλο βοηθά τις χώρες να μεγιστοποιήσουν τον αντίκτυπο με περιορισμένους πόρους. Μετατρέπει τα σύνθετα δεδομένα σε κατανοητές, εφαρμόσιμες συμβουλές για τους υπεύθυνους χάραξης πολιτικής, καθιστώντας δυνατή την ακριβή δημόσια υγεία» κατέληξε ο Δρ. Ντι.
