چگونه سرطان را دقیق و به‌موقع پیش‌بینی کنیم؟

سرطان یک بیماری چند­عاملی است که سالیانه 13 درصد از موارد مرگ­و­میر انسانی را شامل می­شود. این بیماری مراحل پیشرفت متعددی دارد و به چندین نوع متفاوت تقسیم می­شود. در تحقیقات مربوط به سرطان، تشخیص زودهنگام و پیش­بینی نوع سرطان مهم­ترین عاملی است که می­تواند مدیریت بالینی بیماران را تسهیل کند. با ظهور فناوری­های جدید در زمینه­ی پزشکی، مقدار زیادی از اطلاعات و داده­ها در رابطه با سرطان­های مختلف جمع‌آوری شد و در اختیار پزشکان قرار گرفت که لزوم بررسی اثر هر یک از عوامل در ارتباط با هم و انتخاب موثرترین عوامل را شدت می­بخشد. از این رو محققان به سمت دانش هوش صنوعی و استفاده از روش­های Machine Learning (ML) جهت یافتند. ML، شاخه­ای از هوش مصنوعی است که با توجه به اطلاعات حاصل از نمونه داده­ها، یک مفهوم کلی را به استنتاج می­رساند؛ بنابراین این روش با فراهم آوردن توانایی­های جدیدی نظیر امکان شناسایی ویژگی­های کلیدی از میان مجموعه داده­های پیچیده، مدل­سازی پیشرفت و درمان سرطان اهمیت می­یابد. این تکنیک­ها می­توانند الگوها و روابط بین داده­ها را از میان مجموعه داده­های پیچیده بررسی کرده، میزان پیشرفت و نوع سرطان را گزارش دهند. طی سالیان اخیر، روش­های ML میزان دقت در نتایج پیش­بینی­های مربوط به سرطان را به میزان قابل‌توجه 15 تا 20 درصد افزایش داده­اند و همین موضوع سبب شده است که به‌طور فزاینده به‌عنوان ابزاری محبوب برای محققان پزشکی تلقی شوند.