Badanie opublikowane w czasopiśmie naukowym PLOS Medicine przez Thomasa Callendera z University College London i jego współpracowników wykazało, że model uczenia maszynowego, wykorzystujący jedynie dane dotyczące wieku, czasu palenia papierosów oraz liczby wypalanych papierosów dziennie, może przewidywać ryzyko zachorowania na raka płuc i identyfikować osoby, które potrzebują badań przesiewowych w kierunku tej choroby.

W badaniu naukowcy wykorzystali dane 216 714 osób, które kiedykolwiek paliły papierosy z brytyjskiego biobanku oraz 26 616 osób palących z amerykańskiego Narodowego Badania Przesiewowego na Obecność Raka Płuc. Na ich podstawie opracowano nowe modele ryzyka zachorowania na raka płuc.

Model uczenia maszynowego wykorzystywał trzy czynniki: wiek, czas palenia papierosów i liczbę paczek na rok, aby obliczyć prawdopodobieństwo zachorowania na raka płuc i zgonu z powodu raka płuc w ciągu najbliższych pięciu lat.

Naukowcy przetestowali nowy model na trzecim zbiorze danych z amerykańskiego badania przesiewowego Prostate, Lung, Colorectal and Ovarian Screening Trial.

Opracowany model przewidywał zachorowanie na raka płuc z czułością wynoszącą 83,9% oraz zgon z powodu raka płuc z czułością wynoszącą 85,5%. Wszystkie wersje modelu miały wyższą czułość niż obecnie używane wzory do oceny ryzyka przy równoważnej swoistości.

"Wiemy, że badania przesiewowe dla osób o dużym ryzyku zachorowania na raka płuc mogą uratować życie. Dzięki uczeniu maszynowemu udało nam się znacznie uprościć proces określania, kto jest narażony na wysokie ryzyko, co stanowi krok w kierunku powszechnego wdrażania spersonalizowanych badań przesiewowych w celu wczesnego wykrywania wielu chorób" - powiedział Thomas Callender.

Badanie opublikowano w czasopiśmie naukowym PLOS Medicine.