مدل مبتنی بر ترنسفورمر می‌تواند خطر ابتلا به سرطان پانکراس را پیش‌بینی کند

یک مدل مبتنی بر ترنسفورمر قادر است خطر ابتلا به سرطان پانکراس را پنج سال قبل از تشخیص پیش‌بینی کند. این یافته‌ها در کنفرانس سالانه کالج جراحان آمریکا که از ۲۶ تا ۲۹ سپتامبر ۲۰۲۶ در واشنگتن دی‌سی برگزار شد، ارائه شد.

کریس وارگس، پزشک از کلینیک مایو در روچستر مینه‌سوتا و همکارانش، یک مدل ترنسفورمر را برای ارزیابی خطر ابتلا به سرطان پانکراس در جمعیت‌های هدف آموزش دادند. خطر ابتلا به سرطان پانکراس در پنج سال آینده با وارد کردن تاریخچه‌های تشخیصی کدگذاری شده (حداقل یک سال) به یک شبکه عصبی مبتنی بر ترنسفورمر با مکانیزم توجه چندگانه پیش‌بینی شد.

در این مطالعه، داده‌های ۶۰۶۶ فرد مبتلا به سرطان پانکراس و ۳۶۳۹۶ فرد کنترل با میانگین ۱۳ سال تاریخچه بالینی شامل شد. نتایج نشان داد که هنگام پیش‌بینی سرطان پانکراس پنج سال قبل از تشخیص، میانگین مساحت زیر منحنی ویژگی‌های عملکرد گیرنده (ROC) برابر با ۰.۸۵۳ و مساحت زیر منحنی دقت-احضار (precision-recall) برابر با ۰.۷۱۲ بود. شیب منحنی کالیبراسیون ۰.۹۲ و عرض از مبدا −۰.۰۳۰ بود که نشان‌دهنده کالیبراسیون خوب مدل است.

ارزش پیش‌بینی مثبت (PPV) در آستانه غربالگری بالای ۵۰ درصد، ۸۸ درصد بود. در آستانه غربالگری بالای ۱۶ درصد، بهترین تعادل بین PPV و حساسیت به دست آمد که در آن PPV برابر با ۶۳ درصد و ارزش پیش‌بینی منفی ۹۴ درصد بود.

وارگس در بیانیه‌ای گفت: “ما این مدل را به گونه‌ای طراحی کردیم که قابل تعمیم، مقیاس‌پذیر و آسان برای اجرا باشد. اگر نشان داده شود که کار می‌کند، می‌تواند در تقریباً هر محیطی استفاده شود.”