AI मॉडेल पैंक्रियाटिक कॅन्सरचा धोका तीन वर्षे आधी सांगतो
नवीन AI मॉडेल पैंक्रियाटिक कॅन्सरचा धोका तीन वर्षे आधी सांगू शकतो, ज्यामुळे प्रारंभिक ओळखीत क्रांती येऊ शकते.
AI मॉडेल पैंक्रियाटिक कॅन्सरचा धोका तीन वर्षे आधी सांगतो.
यात सटीकतेसाठी विस्तृत आरोग्य इतिहास आणि प्रयोगशाळा निकालांचा वापर केला जातो.
50% पेक्षा अधिक धोका असलेल्या व्यक्तींमध्ये निदानाची शक्यता 88% आहे.
एक नवीन कृत्रिम बुद्धिमत्ता (AI) मॉडेल विकसित करण्यात आले आहे, जे पैंक्रियाटिक कॅन्सरचा धोका तीन वर्षे आधी सांगू शकते. हे संशोधन अमेरिकन कॉलेज ऑफ सर्जन्स क्लिनिकल कांग्रेस 2026 मध्ये सादर केले गेले, जिथे शस्त्रक्रिया तज्ञांनी शस्त्रक्रिया पद्धती आणि रोगी काळजी सुधारण्यावर चर्चा केली.
पैंक्रियाटिक कॅन्सर, जरी दुर्मिळ असला तरी, हा सर्वात घातक कॅन्सरांपैकी एक आहे. अमेरिकन कॅन्सर सोसायटीच्या मते, 2026 मध्ये सुमारे 67,000 नवीन प्रकरणे आणि 52,000 मृत्यू होण्याची शक्यता आहे. हे सर्व नवीन कॅन्सर प्रकरणांचे फक्त 3% आहे, परंतु कॅन्सरमुळे होणाऱ्या मृत्यूंच्या 8% साठी हे जबाबदार आहे. प्रारंभिक ओळख महत्त्वाची आहे, कारण 20% पेक्षा कमी रुग्णांचे वेळेत निदान होते, असे अध्ययनाचे सह-लेखक कॉर्नेलियस थियेल्स यांनी सांगितले.
AI मॉडेल मेयो क्लिनिकच्या रुग्णांच्या व्यापक आरोग्य डेटाचा उपयोग करते, ज्यामध्ये त्यांच्या इलेक्ट्रॉनिक आरोग्य रेकॉर्ड आणि सरासरी एक दशकात केलेल्या प्रयोगशाळा चाचण्यांचे परिणाम समाविष्ट आहेत. या अध्ययनात 6,066 पैंक्रियाटिक कॅन्सरचे रुग्ण आणि 33,396 नियंत्रण समाविष्ट होते. मॉडेलने उच्च धोका असलेल्या रुग्णांची ओळख करण्यात 0.853 चा एरिया अंडर द रिसीवर ऑपरेटिंग करेक्टिव कर्व (AUROC) प्राप्त केला, जो याच्या प्रभावीतेचे प्रमाण आहे.
या मॉडेलचा प्रभाव केवळ वैयक्तिक काळजीपर्यंत मर्यादित नाही, तर तो पैंक्रियाटिक कॅन्सरच्या प्रारंभिक ओळख धोरणांना महत्त्वपूर्णपणे वाढवू शकतो. उच्च धोका असलेल्या रुग्णांची अचूक ओळख करण्याची क्षमता वेळेत हस्तक्षेप करण्याकडे नेऊ शकते, ज्यामुळे जीवित राहण्याची दर सुधारू शकते. संशोधन टीमला आशा आहे की हा मॉडेल जागतिक स्तरावर नैदानिक प्रथांमध्ये समाविष्ट केला जाऊ शकतो.
आगामी काळात, संशोधक या मॉडेलच्या प्रभावीतेची वास्तविक जगात मान्यता मिळवण्यासाठी लक्ष केंद्रित करत आहेत. ते मेयो क्लिनिकमध्ये या मॉडेलला संभाव्यतेने लागू करण्याची योजना बनवत आहेत आणि इतर आरोग्य प्रणालींमध्ये याच्या अनुप्रयोगाचा अन्वेषण करत आहेत. याशिवाय, मशीन लर्निंग तंत्रज्ञानात सुधारणा करण्यावर काम केले जात आहे, ज्यामुळे मॉडेलच्या भविष्यवाणी क्षमतांचा आणखी विकास होऊ शकतो.

