«پیشگیری از سیروز»؛ هدف جدید مدل‌های تشخیص کبد چرب

تصور کنید در چک‌آپ سالانه، بدون اینکه درخواستی داده باشید، سیستم به طور خودکار ریسک بیماری کبد شما را شناسایی کند. این اتفاق دیگر یک تخیل نیست، بلکه نتیجه‌ی به‌کارگیری مدل‌های هوش مصنوعی برای شناسایی «اپیدمی خاموش» کبد چرب است.

طبق گزارشی که سال گذشته در دانشگاه متروپولیتن اوزاکا منتشر شد، عکس‌های رادیولوژی قفسه سینه — که معمولاً فقط برای بررسی قلب و ریه گرفته می‌شوند — می‌توانند بیماری کبد چرب را با صحت ۸۲٪ تشخیص دهند. این قابلیت، یک رویه‌ی روتین را به ابزاری برای غربالگری بیماری‌ای تبدیل می‌کند که در حال حاضر ۳۰٪ از بزرگسالان جهان را درگیر کرده است.

بیماری کبد چرب زمانی رخ می‌دهد که مقدار چربی در کبد بیش از ۵ تا ۱۰٪ وزن کل آن شود و باعث التهاب و ایجاد بافت‌های زخم یا همان فیبروز شود. از آنجا که این بیماری معمولاً بدون علامت پیش می‌رود، سه چهارم بیماران تنها زمانی تشخیص داده می‌شوند که وضعیتشان به مرحله‌ای مرگبار رسیده است.

پیشروی خاموش

در یک کبد سالم، مقدار چربی ناچیز است. اما تجمع غیرطبیعی چربی، باعث آسیب سلولی و التهاب می‌شود. اگر این روند ادامه یابد، می‌تواند منجر به نارسایی کبد و افزایش ریسک سرطان‌ها و بیماری‌های قلبی-عروقی شود.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی کاربردهای پزشکی هوش مصنوعی اشاره کردیم، کلید موفقیت در این حوزه، تبدیل داده‌های موجود به بینش‌های پیشگیرانه است. جفری لازاروس (Jeffrey Lazarus)، استاد مدرسه بهداشت عمومی CUNY، معتقد است هوش مصنوعی می‌تواند حجم عظیمی از پرونده‌های الکترونیک سلامت را بررسی کند تا بیماران پرریسک را اولویت‌بندی کند.

لازاروس می‌گوید: «هوش مصنوعی می‌تواند به صورت گذشته‌نگر، تعداد زیادی از بازدیدهای بیمارستانی و گزارش‌های آزمایشگاهی را بررسی کند تا بفهمیم چه کسی در معرض بیشترین خطر است.»

خودکارسازی مرحله اول تشخیص

پزشکان به‌طور سنتی از شاخص Fib-4 برای ارزیابی ریسک فیبروز استفاده می‌کنند. این ابزار بر اساس سن، توانایی لخته شدن خون و سطح دو آنزیم کبد، امتیازی بین ۰ تا ۶ محاسبه می‌کند. با این حال، فشار اداری روی پزشکان عمومی باعث می‌شود این تست‌ها به‌طور مداوم انجام نشوند.

علاوه بر این، تست‌های خون پیشرفته‌تری وجود دارند که پروتئین‌های سازنده بافت زخم را اندازه‌گیری می‌کنند. ترکیب Fib-4 و این تست‌های پیشرفته، دقت تشخیص فیبروز پیشرفته را چهار برابر می‌کند.

جاناتان درانوف (Jonathan Dranoff) از دانشگاه ییل پیشنهاد می‌کند که هوش مصنوعی در پس‌زمینه اجرا شود. او می‌گوید: «شما به چیزی نیاز دارید که در پس‌زمینه فعال باشد یا با فشردن یک دکمه انجام شود.» با خودکارسازی محاسبات Fib-4 از روی آزمایش‌های خون روتین، هوش مصنوعی مثل یک «فیلتر هوشمند» عمل می‌کند و بیماران را پیش از بروز آسیب‌های دائمی به متخصصان ارجاع می‌دهد.

نسل جدید ابزارهای تشخیصی

مدل‌های جدید هوش مصنوعی در حال حاضر از امتیازات سنتی پیشی گرفته‌اند:

• LiverPRO: این الگوریتم که توسط استارتاپ دانمارکی Evido توسعه یافته و با همکاری Roche تجاری شده است، از سن و ۹ نشانگر زیستی خون استفاده می‌کند. در مطالعه‌ای روی ۴۷۰ هزار نفر، این مدل در پیش‌بینی مشکلات جدی کبد، عملکرد بهتری نسبت به Fib-4 داشت؛ به‌ویژه در نوجوانان و سالمندان که Fib-4 در آن‌ها دقت کمتری دارد.
• ALADDIN: این مدل یادگیری ماشین که توسط گروهی از متخصصان کبد توسعه یافته، در شناسایی بیمارانی که بیشترین سود را از داروی resmetirom می‌برند، موفق‌تر از Fib-4 عمل کرده است و نیاز به نمونه‌برداری‌های تهاجمی (بیوپسی) را کاهش می‌دهد.

نقش تصویربرداری

فراتر از آزمایش خون، هوش مصنوعی در حال استخراج داده‌های پنهان از تصاویر است. مدل دانشگاه متروپولیتن اوزاکا بخش‌هایی از کبد را که به‌طور اتفاقی در عکس‌های رادیولوژی قفسه سینه ثبت شده‌اند، تحلیل می‌کند.

لازاروس پیشنهاد می‌کند این الگوریتم‌ها با سایر عوامل ریسک ادغام شوند. اگر هوش مصنوعی چربی اضافی کبد را تشخیص دهد و متوجه شود بیمار دارای اضافه‌وزن، کلسترول بالا یا دیابت نوع ۲ است، می‌تواند به‌طور خودکار توصیه ارجاع به متخصص کبد یا غدد را صادر کند.

بازگشت‌پذیری و اقتصاد سلامت

تشخیص زودهنگام حیاتی است زیرا آسیب‌های اولیه کبد تا حد زیادی بازگشت‌پذیر هستند. لازاروس می‌گوید: «کبد ارگان بسیار منعطفی است؛ فیبروز می‌تواند معکوس شود و فرد دوباره کاملاً سالم شود.»

تغییرات سبک زندگی — مانند کاهش وزن، ورزش، کاهش مصرف الکل و حتی نوشیدن قهوه بیشتر — می‌تواند التهاب و زخم‌ها را از بین ببرد. برای موارد پیشرفته‌تر، داروهایی مانند semaglutide (از خانواده GLP-1) و resmetirom اثربخشی بالایی نشان داده‌اند.

تغییر تمرکز از درمان مراحل نهایی به پیشگیری زودهنگام، پیامدهای اقتصادی عظیمی دارد. پیوند کبد به‌ویژه در آمریکا بسیار گران است و شناسایی زودهنگام بیماران، هزینه‌های کلان سیستم سلامت را کاهش می‌دهد.

این رویکرد همچنین باعث می‌شود بیماران بیشتر با درمان همکاری کنند. تحقیقات در دانمارک نشان می‌دهد وقتی به بیمار صراحتاً گفته می‌شود که دچار فیبروز کبد است، تعهد او به رژیم غذایی و ورزش سخت‌گیرانه افزایش می‌یابد.

اگرچه این ابزارها جایگزین بیوپسی یا تصویربرداری‌های تخصصی نمی‌شوند، اما گلوگاه‌های مراقبت‌های اولیه را برطرف می‌کنند. همان‌طور که پاول برنان (Paul Brennan) از دانشگاه داندی اشاره می‌کند، این مدل‌ها بیمارانی با ریسک متوسط را که ابزارهای قدیمی‌تر نادیده می‌گرفتند، شناسایی کرده و ارجاع‌های غیرضروری را کاهش می‌دهند.

گام بعدی شما

• اگر سابقه بیماری‌های متابولیک دارید، در چک‌آپ‌های بعدی از پزشک خود درباره وضعیت Fib-4 بپرسید.
• برای متخصصان سلامت: بررسی ادغام ابزارهای غربالگری خودکار در سیستم‌های پرونده الکترونیک (EHR) را آغاز کنید.
• دنبال کنید که آیا مدل LiverPRO به بازارهای جهانی و سیستم‌های بیمه سلامت وارد می‌شود یا خیر.

اما داستان استفاده از داده‌های روتین برای تشخیص بیماری‌های پنهان به کبد ختم نمی‌شود؛ در تحلیل بعدی ما، بررسی خواهیم کرد که چگونه هوش مصنوعی از روی صدای بیمار، بیماری‌های قلبی را پیش‌بینی می‌کند.