AI ממפה את הכוחות הנסתרים המעצבים את הישרדות הסרטן ברחבי העולם

המחקר, שפורסם בכתב העת המוביל לסרטן תולדות האונקולוגיהמעבר להשוואות רחבות כדי להראות לאילו שינויי מדיניות ספציפיים או שיפורי מערכת יכולים להיות ההשפעה הגדולה ביותר על הישרדות הסרטן בכל מדינה. הצוות גם יצר כלי מקוון המאפשר למשתמשים לבחור מדינה ולראות כיצד גורמים כמו עושר לאומי, גישה להקרנות וכיסוי בריאותי אוניברסלי קשורים לתוצאות הסרטן.

הפיכת נתונים גלובליים לתובנות מעשיות

ד"ר אדוארד כריסטופר די, רופא תושב בקרינה אונקולוגית במרכז הסרטן Memorial Sloan Kettering (MSK) בניו יורק, ארה"ב, ומנהיג שותף במחקר, הדגיש מדוע העבודה חשובה. "תוצאות הסרטן הגלובלי משתנות מאוד, בעיקר בשל הבדלים במערכות הבריאות הלאומיות. רצינו ליצור מסגרת פעילה, מונעת נתונים, שעוזרת למדינות לזהות את מנופי המדיניות המשפיעים ביותר שלהן לצמצום תמותה מסרטן ולסגור פערים בשוויון".

הוא ציין שכמה גורמים בלטו באופן עקבי. "מצאנו שגישה לטיפול בהקרנות, כיסוי בריאותי אוניברסלי וחוזק כלכלי היו לעתים קרובות מנופים חשובים הקשורים לתוצאות טובות יותר של סרטן לאומי. עם זאת, גורמי מפתח אחרים היו רלוונטיים גם כן."

ניתוח נתוני סרטן ומערכת בריאות מ-185 מדינות

כדי להגיע למסקנות אלה, ד"ר די ועמיתיו השתמשו בלמידת מכונה כדי לבחון נתוני מקרי סרטן ומוות ממצפה הסרטן העולמי (GLOBOCAN 2022), המכסה 185 מדינות. הם שילבו מידע זה עם נתוני מערכת הבריאות שנאספו מארגון הבריאות העולמי, הבנק העולמי, סוכנויות האו"ם ומדריך מרכזי הרדיותרפיה.

מערך הנתונים כלל את הוצאות הבריאות כאחוז מהתמ"ג, התמ"ג לנפש, מספר הרופאים, האחיות, המיילדות והעובדות הכירורגיות ל-1000 איש, רמות כיסוי בריאות אוניברסלי, גישה לשירותי פתולוגיה, מדד התפתחות אנושי, מספר מרכזי הקרנות לכל 1000 איש, מדד אי-שוויון מגדרי המשולם ישירות על ידי מטופלים.

בניית מודל למידת מכונה

מודל למידת המכונה פותח על ידי מר, מיליט פאטל, המחברת הראשונה של המחקר. הוא חוקר בביוכימיה, סטטיסטיקה ומדעי נתונים, רפורמות בריאות וחדשנות באוניברסיטת טקסס באוסטין, ארה"ב, וב-MSK.

מר פאטל הסביר את ההיגיון מאחורי גישה זו. "בחרנו להשתמש במודלים של למידת מכונה מכיוון שהם מאפשרים לנו להפיק הערכות – ותחזיות קשורות – ספציפיות לכל מדינה. אנחנו, כמובן, מודעים למגבלות של נתוני רמת האוכלוסיה אבל מקווים שממצאים אלו יכולים להנחות את תכנון מערכת הסרטן בעולם".

מדידת יעילות הטיפול בסרטן

המודל מחשב את יחסי התמותה לשכיחות (MIR), המייצגים את חלקם של מקרי הסרטן שגורמים למוות ומשמשים כאינדיקטור למידת היעילות של הטיפול בסרטן במדינה מסוימת. כדי להראות כיצד גורמים בודדים משפיעים על הערכות אלו, החוקרים השתמשו בשיטה המסבירה תחזיות על ידי מדידת תרומתו של כל משתנה, הידועה בשם SHAP (הסברים תוספים של Shapley).

לדברי מר פאטל, המטרה הייתה לעבור מתיאור לפעולה. "מעבר לתיאור הפערים הפשוטים, הגישה שלנו מספקת מפות דרכים ניתנות לפעולה, מונעות נתונים עבור קובעי מדיניות, המראה בדיוק אילו השקעות במערכת הבריאות קשורות להשפעה הגדולה ביותר עבור כל מדינה. ככל שנטל הסרטן העולמי גדל, תובנות אלו יכולות לעזור למדינות לתעדף משאבים ולסגור פערי הישרדות בצורה השוויונית והיעילה ביותר האפשרית לארגונים בינלאומיים, לשירותי בריאות ולשירותי רשת. כלי להדגשת אזורים להשקעה, במיוחד בהגדרות מוגבלות במשאבים."

דוגמאות למדינות מראות סדרי עדיפויות שונים

התוצאות מגלות שהגורמים המשפיעים ביותר משתנים מאוד ממדינה למדינה. בברזיל, המודל מצביע על כך שלכיסוי בריאותי אוניברסלי (UHC) יש את הקשר החיובי החזק ביותר עם שיפור ביחסי תמותה לשכיחות. גורמים אחרים, כמו שירותי פתולוגיה ומספר האחיות והמיילדות לכל 1000 איש, ממלאים כיום תפקיד קטן יותר. החוקרים מציעים שזה אומר שברזיל תוכל לראות את הרווחים הגדולים ביותר על ידי מתן עדיפות ל-UHC.

בפולין, הזמינות של שירותי הקרנות, התמ"ג לנפש ומדד UHC מראים את ההשפעה הגדולה ביותר על תוצאות הסרטן. דפוס זה מצביע על כך שהמאמצים האחרונים להרחיב את ביטוחי הבריאות והגישה לטיפול הביאו שיפורים חזקים יותר מאשר הוצאות בריאות כלליות, שנראה שיש לה השפעה מוגבלת יותר.

יפן, ארה"ב ובריטניה מציגות דפוס רחב יותר, כאשר כמעט כל גורמי מערכת הבריאות קשורים לתוצאות טובות יותר של סרטן. ביפן, הצפיפות של מרכזי הקרנות בולטת בצורה החזקה ביותר, בעוד שבארה"ב ובבריטניה, לתוצר לנפש יש את ההשפעה הגדולה ביותר. ממצאים אלה מצביעים על המקום שבו קובעי המדיניות בכל מדינה עשויים להשיג את הרווחים הגדולים ביותר.

סין מציגה תמונה מעורבת יותר. תוצר גבוה יותר לנפש, UHC רחב יותר וגישה רבה יותר למרכזי הקרנות תורמים בעיקר לשיפור בתוצאות הסרטן. לעומת זאת, הוצאה מהכיס, גודל כוח העבודה הכירורגית לכל 1,000 איש והוצאה על בריאות כאחוז מהתמ"ג מסבירים כיום פחות את השונות בתוצאות.

החוקרים כותבים על סין: "עלויות ישירות גבוהות לחולים נותרות מחסום קריטי לתוצאות אופטימליות של סרטן, אפילו על רקע שיפורים לאומיים במימון ובגישה לבריאות. ממצאים אלה מדגישים כי בעוד שהפיתוח המהיר של מערכת הבריאות בסין מניב הישגים חשובים בבקרת סרטן, פערים בהגנה פיננסית ובכיסוי נמשכים, מה שמצדיק התמקדות מוגברת במדיניות בהפחתת יציאת מערכות הבריאות והגברת יציבותה של מערכת הבריאות. השפעה".

כיצד לקרוא את הפסים הירוק והאדום

מר, פאטל גם הסביר את המשמעות של הפסים הירוקים והאדומים המוצגים בגרפים הספציפיים למדינה. "הפסים הירוקים מייצגים גורמים שנראים כיום קשורים בצורה החזקה והחיובית ביותר לשיפור תוצאות הסרטן במדינה מסוימת. אלו הם תחומים שבהם המשך או השקעה מוגברת צפויה להביא להשפעה משמעותית".

הוא הדגיש כי אין לטעות בפסים אדומים. "עם זאת, הפסים האדומים אינם מצביעים על כך שתחומים אלה אינם חשובים או שיש להזניח אותם. במקום זאת, הם משקפים תחומים שלפי המודל והנתונים הנוכחיים, נוטים פחות להסביר את ההבדלים הגדולים ביותר בתוצאות כרגע. ייתכן שהסיבה לכך היא ביצועים חזקים כבר בהיבטים אלה, מגבלות של הנתונים הזמינים או גורמים אחרים ספציפיים להקשר".

הוא הוסיף אזהרה חשובה. "חשוב לציין, לעולם אין לפרש ראיית פס 'אדום' כסיבה להפסיק את המאמצים לחזק את העמוד הזה בטיפול בסרטן – שיפור בתחומים אלה עדיין יכול להיות בעל ערך עבור מערכת הבריאות הכוללת של המדינה. התוצאות שלנו פשוט מצביעות על כך שאם המטרה היא למקסם את השיפור בתוצאות הסרטן כפי שהוגדר על ידי המודל, התמקדות תחילה באסטרטגיה החיובית החזקה ביותר (הירוקה) עשויה להיות ההשפעה החזקה ביותר".

חוזקות, גבולות ומה שיבוא אחר כך

נקודות החוזק של המחקר כוללות את הכיסוי של כמעט כל המדינות, שימוש בנתוני בריאות גלובליים עדכניים, הנחיות מדיניות ספציפיות למדינה ולא ממוצעים גלובליים פשוטים, ושימוש במודלים של AI שקופים יותר. החוקרים גם מכירים במגבלות מרכזיות. הניתוח מסתמך על נתונים ברמה הלאומית ולא על רישומי חולים בודדים, איכות הנתונים משתנה מאוד, במיוחד במדינות רבות בעלות הכנסה נמוכה, ומגמות לאומיות יכולות להסתיר פערים בתוך מדינות. בנוסף, המחקר לא יכול להוכיח שהתמקדות בגורם ספציפי יגרום לתוצאות טובות יותר של סרטן, רק שמאמצים כאלה קשורים לתוצאות משופרות.

אפילו עם מגבלות אלה, הממצאים מציעים דרך שימושית לתעדף פעולה. ד"ר די סיכם: "ככל שנטל הסרטן העולמי גדל, המודל הזה עוזר למדינות למקסם את ההשפעה עם משאבים מוגבלים. הוא הופך נתונים מורכבים לעצות מובנות ומעשיות לקובעי מדיניות, מה שמאפשר את בריאות הציבור המדויקת".