Ανασκόπηση Πολυπαραμετρικών Συστημάτων Υποστήριξης Κλινικών Αποφάσεων Για Την Πρόγνωση Και Κλινική Διαχείριση Του Καρκίνου

Abstract

Ο καρκίνος αποτελεί μάστιγα της εποχής μας, με τις στατιστικές να τον τοποθετούν ως τη δεύτερη αιτία θανάτου παγκοσμίως. Αν και η έγκαιρη ανίχνευση και διάγνωση αποτελούν τα σημαντικότερα βήματα για την αντιμετώπισή του, η πρόγνωση του καρκίνου παραμένει εξίσου σημαντική. Η πρόγνωση περιλαμβάνει την πρόβλεψη της πιθανότητας εμφάνισης καρκίνου, την πρόβλεψη υποτροπής των ασθενών και την πρόβλεψη επιβίωσης (προσδόκιμο ζωής). Τα παραπάνω αποτελέσαν αντικείμενο μελέτης σε πολλές δημοσιευμένες έρευνες τα τελευταία χρόνια. Οι συγγραφείς-ερευνητές επιχείρησαν, χρησιμοποιώντας μεθόδους μηχανικής μάθησης και αλγορίθμους ταξινόμησης, να αναπτύξουν ολοκληρωμένα συστήματα υποστήριξης αποφάσεων, τα οποία μπορούν να παράγουν μια πρόβλεψη για την κατάσταση ενός ασθενούς με ικανοποιητική, συνήθως, ακρίβεια. Η εν λόγω πρόβλεψη μπορεί να βοηθήσει τους θεράποντες ιατρούς στη λήψη αποφάσεων, εξατομικευμένων για κάθε ασθενή, καθιστώντας τα συστήματα υποστήριξης κλινικών αποφάσεων χρήσιμα κλινικά εργαλεία.Στην παρούσα διπλωματική εργασία, έγινε μια προσπάθεια να συγκεντρωθούν και να παρουσιαστούν μελέτες που περιλαμβάνουν τέτοιου είδους συστήματα για διαφορετικούς τύπους καρκίνου, να αξιολογηθούν τα αποτελέσματά τους και να εξαχθούν κάποια συμπεράσματα όσον αφορά τη δομή των συστημάτων υποστήριξης κλινικών αποφάσεων, τα δεδομένα που χρησιμοποιήθηκαν για τα σύνολα εκπαίδευσης και επαλήθευσης, τις τεχνικές ταξινόμησης και την απόδοσή τους. Για την πραγματοποίηση της έρευνάς μας, εξετάστηκαν 11 διαφορετικοί τύποι καρκίνου (καρκίνος του μαστού, καρκίνος του προστάτη, καρκίνος του τραχήλου της μήτρας, καρκίνος του πνεύμονα, καρκίνος του παχέος εντέρου, λευχαιμία, καρκίνος του στόματος, καρκίνος των ωοθηκών, καρκίνος του θυρεοειδούς, καρκίνος του ήπατος, καρκίνος των οστών), καθώς και μια μελέτη πρόβλεψης της αποτελεσματικότητας της χημειοθεραπείς, και καταγράφτηκε για κάθε επιμέρους μελέτη ο κλινικός σκοπός (πχ διάγνωση, πρόβλεψη υποτροπής κτλ), τα δεδομένα που χρησιμοποιήθηκαν (πχ κλινικά, απεικονιστικά, γονιδιακά), οι μέθοδοι ταξινόμησης (πχ τεχνητά νευρωνικά δίκτυα, Μπεϋζιανά δίκτυα) και τα γενικά αποτελέσματα (έξοδος του συστήματος και παράμετροι ακρίβειας, ευαισθησίας, ειδικότητας κτλ). Όλα τα παραπάνω παρουσιάζονται σε έναν συγκεντρωτικό πίνακα στο τέλος της μελέτης ώστε να καταστεί δυνατή η επισκόπησή της και να τεθούν υπό συζήτηση συμπεράσματα, περιορισμοί και μελλοντικές συστάσεις.Αποδείχθηκε ότι η πλειονότητα των συστημάτων υποστήριξης κλινικών αποφάσεων επέδειξε εντυπωσιακά αποτελέσματα πρόβλεψης, γεγονός που ενισχύει την πεποίθησή μας ότι η ενσωμάτωση των συστημάτων αυτών σε κλινικές και νοσοκομειακές εφαρμογές είναι απαραίτητη και θα αποδειχθεί μεγάλης σημασίας στα επόμενα χρόνια.