آبتاب– بر اساس مطالعات، طی سالهای ۱۹۷۵ تا ۲۰۱۹، مرگ و میر ناشی از سرطان پستان در ایالات متحده به طور قابل توجهی کاهش یافت. پیشرفتهای درمانی نقش اساسی در این کاهش ایفا کردند، به طوری که حدود ۳۰ داروی جدید ضد سرطان پستان بین سالهای ۲۰۱۰ تا ۲۰۲۰ توسط سازمان غذا و دارو تأیید شدند.
به گزارش ایرنا به نقل از سایت مد اسکیپ، در مقاله ای که در ۸ فوریه ۲۰۲۴ توسط دکتر پیر مارجنت چاپ شده است، مرگ و میر سرطان پستان در ایالات متحده به طور قابل توجهی کاهش یافته است و این دستاورد حاصل غربالگری منظم و بهبود روش های درمانی، به ویژه برای سرطان های گیرنده هورمون مثبت می باشد.
بر اساس مطالعات، طی سال های ۱۹۷۵ تا ۲۰۱۹، مرگ و میر ناشی از سرطان پستان در ایالات متحده به طور قابل توجهی کاهش یافت. پیشرفتهای درمانی نقش اساسی در این کاهش ایفا کردند، به طوری که حدود ۳۰ داروی جدید ضد سرطان پستان بین سالهای ۲۰۱۰ تا ۲۰۲۰ توسط سازمان غذا و دارو تأیید شدند. شبکه مدل سازی مداخله و نظارت بر درمان سرطان (CISNET)، از مدلهایی برای بررسی تاثیر غربالگری بر درمان سرطان پستان پیشرفته مرحله ۱ تا ۳ و درمان موارد متاستاتیک استفاده کرد. همچنین از مدلهای مختلفی برای تجزیه و تحلیل روند کلی مرگ و در موارد سرطان پستان بر اساس نوع گیرنده استروژن (ER) و ERBB۲ (HER۲) در بین زنان ۳۰ تا ۷۹ ساله بین سالهای ۱۹۷۵ تا ۲۰۱۹ استفاده کرد. استخراج داده ها از پایگاه داده نتایج شبکه جامع سرطان ملی و شامل ۸۲۲۵۲ بیمار مبتلا به سرطان سینه، و ۷۷۴۰ مورد با عود متاستاتیک است. داده های حاصل از مطالعه شامل موارد زیر بود.
در این مطالعه زنان مبتلا به تومورهای بدخیم پستان با گروه کنترل که زنان بدون تومور بودند مقایسه شدند. در سال ۱۹۷۵، میزان مرگ و میر ناشی از سرطان سینه در ایالات متحده ۴۸ مورد به ازای هر ۱۰۰۰۰۰ زن بود. این در حالی است که تا سال ۲۰۱۹، مرگ و میر به ۲۷ مورد در هر ۱۰۰۰۰۰ بیمار کاهش یافته است. در واقع این مطالعات نشان می دهد غربالگری سرطان پستان و درمان به موقع، باعث کاهش ۵۸ درصدی مرگومیر ناشی از سرطان پستان شده است. میزان کاهش مرگ و میر در موارد سرطان پستان با ER+/ERBB۲+ بسیار قابل توجه و در حدود ۷۱% بود، در مقایسه با فرمهای ER-/ERBB۲- که ۳۹% کاهش در میزان مرگ و میر را گزارش کردند.
بررسی ها نشان داد که غربالگری و درمان باعث کاهش ۲۹٪ در موارد متاستاتیک و کاهش ۴۷٪ در سرطان های مرحله ۱ تا ۳ شده است. به طور خلاصه، مدلهای شبیهسازی CISNET پیشرفت قابل توجه در غربالگری و درمان سرطان سینه مرحله ۱ تا ۳ بین سالهای ۱۹۷۵ تا ۲۰۱۹ را تأیید میکنند که با کاهش مرگومیر همراه بوده است. همچنین مرگ و میر کمتری در موارد متاستاتیک دیده شده است که ۲۵٪ این کاهش را می توان به درمان، ۲۵٪ دیگر به غربالگری و حدود ۵۰٪ به پیشرفت های درمانی در مراحل اولیه (مرحله I-III) نسبت داد.
توجه به این نکته ضروری است که افزایش بقا در بیماران به طور ویژه در سرطان پستان نوع ER+/ERBB۲+ (حدود ۲.۵ سال) دیده شد که در مقایسه با سرطان پستان ER-/ERBB۲- که حدود ۰.۵ سال افزایش بقا داشتند، اثربخشی بالاتر درمان های سرطان پستان با گیرنده هورمونی مثبت را نشان می دهد. در نتیجه، بر اساس مدلهای مختلف شبیهسازی CISNET و بر اساس دادههای جمعآوریشده بین سالهای ۱۹۷۵ و ۲۰۱۹، غربالگری و درمان سرطان پستان موجب کاهش ۵۸ درصدی مرگومیر شده است، در این کاهش قابلتوجه، پیشرفتهای درمانی به میزان ۴۷%، درمان موارد متاستاتیک به میزان ۲۹% و غربالگری ۲۵% مثمر ثمر واقع شده است.
در مطالعه ای از محققان MIT، یک مدل هوش مصنوعی ابداع شد که میتواند سرطان سینه را ۵ سال قبل از بروز علائم بالینی تشخیص دهد، که می تواند انقلابی در مداخله زودهنگام باشد و جان افراد بیشماری را نجات دهد. هوش مصنوعی تصاویر کروماتین را از ۵۶۰ نمونه بافت در ۱۲۲ بیمار تجزیه و تحلیل کرد و ۸ حالت سلولی متمایز را در مراحل مختلف کارسینوم پستان (DCIS) شناسایی کرد. این مدل نشان می دهد که ساختار بافت پستان در پیشبینی پیشرفت به بافت سرطانی بسیار مهم است. این روش در مقایسه با تکنیک های توالی یابی پیچیده مقرون به صرفه تر و در دسترس تر می باشد. نکته جالب توجه این است که این مدل حالات سلولی مرتبط با سرطان مهاجم پستان را حتی در بافت هایی که به چشم انسان طبیعی به نظر می رسد نیز شناسایی کرد. با توجه به این که در صورت تشخیص زودهنگام، میزان بقای ۵ ساله برای سرطان سینه به ۹۰ درصد می رسد، تشخیص و درمان زودهنگام بیماران می تواند نتایج درمانی بیمار را بهبود بخشد.
با این حال تأثیر هوش مصنوعی بر بهداشت و درمان در دهه های آینده احتمالاً از انتظارات فراتر خواهد رفت. از تشخیص زودهنگام بیماری گرفته تا طرحهای درمانی شخصیسازیشده بر اساس هر فرد و کشف دارو و واکسن، هوش مصنوعی می تواند درمان های پزشکی و مراقبت از بیمار را به روشهایی تغییر دهد که پیش آگهی بیماران را بهبود بخشد. در واقع، استفاده از هوش مصنوعی در پزشکی می تواند به تعریف جدیدی از بیماریهایی مانند سرطان بینجامد.