Pancreatic Cancer AI: క్యాన్సర్‌ను 3 ఏళ్ల ముందే పసిగట్టే AI.. అమెరికా శాస్త్రవేత్తల పరిశోధనలో కీలక ఫలితాలు!

క్యాన్సర్‌ను ఎంత త్వరగా గుర్తిస్తే చికిత్సకు అంత మెరుగైన అవకాశాలు లభించవచ్చు. అయితే పాంక్రియాటిక్ క్యాన్సర్‌ విషయంలో ప్రారంభ దశలోనే గుర్తించడం వైద్యులకు పెద్ద సవాలుగా మారుతోంది. లక్షణాలు స్పష్టంగా కనిపించే సమయానికి వ్యాధి ముదిరిపోయే అవకాశం ఉండటంతో, ముందుగానే ప్రమాదాన్ని అంచనా వేయగల సాంకేతిక పరిజ్ఞానంపై పరిశోధనలు జరుగుతున్నాయి. ఈ క్రమంలో అమెరికాలోని మాయో క్లినిక్ పరిశోధకులు కృత్రిమ మేధ (AI) ఆధారంగా ఒక మోడల్‌ను అభివృద్ధి చేశారు. సాధారణ వైద్య రికార్డులు, రక్త పరీక్షల వివరాలను విశ్లేషించి పాంక్రియాటిక్ క్యాన్సర్ వచ్చే ప్రమాదం ఉన్నవారిని ముందుగానే గుర్తించడం దీని లక్ష్యం.

Pancreatic Cancer AI: క్యాన్సర్‌ను 3 ఏళ్ల ముందే పసిగట్టే AI.. అమెరికా శాస్త్రవేత్తల పరిశోధనలో కీలక ఫలితాలు!
Pancreatic Cancer Ai Predicts Risk 3 Years Early

Updated on: Oct 29, 2026 | 8:03 PM

ఈ పరిశోధనలో దాదాపు 40 వేల మంది ఆరోగ్య వివరాలను ఉపయోగించారు. క్యాన్సర్ నిర్ధారణకు మూడేళ్ల ముందే ప్రమాదాన్ని అంచనా వేయడంలో ఈ మోడల్ మంచి ఫలితాలు చూపించింది. అయితే ఇది ప్రస్తుతం పరిశోధన దశలో ఉన్న సాంకేతిక పరిజ్ఞానం మాత్రమే. సాధారణ ప్రజలందరికీ ఉపయోగించే పరీక్షగా అందుబాటులోకి రావాలంటే మరిన్ని పరీక్షలు, వైద్యపరమైన ధ్రువీకరణ అవసరం.

పాంక్రియాటిక్ క్యాన్సర్ ఎందుకు ప్రమాదకరం?

పాంక్రియాస్‌ (క్లోమం) అనేది జీర్ణక్రియకు అవసరమైన ఎంజైమ్‌లను, రక్తంలో చక్కెర స్థాయులను నియంత్రించడంలో సహాయపడే హార్మోన్లను ఉత్పత్తి చేసే అవయవం. ఈ అవయవంలో క్యాన్సర్‌ ఏర్పడితే ప్రారంభ దశలో స్పష్టమైన లక్షణాలు కనిపించకపోవచ్చు. అందువల్ల వ్యాధి గుర్తించే సమయానికి కొందరిలో అది ఇతర భాగాలకు వ్యాపించే అవకాశం ఉంటుంది.

అమెరికన్ క్యాన్సర్ సొసైటీ అంచనాల ప్రకారం, 2026లో అమెరికాలో సుమారు 67 వేల కొత్త పాంక్రియాటిక్ క్యాన్సర్ కేసులు, 52 వేల మరణాలు సంభవించవచ్చని అంచనా వేశారు. మొత్తం కొత్త క్యాన్సర్ కేసుల్లో ఈ వ్యాధి వాటా సుమారు 3 శాతం కాగా, క్యాన్సర్ మరణాల్లో దాని వాటా సుమారు 8 శాతం. ఈ గణాంకాలు అమెరికాకు సంబంధించినవే.

AI మోడల్ ఎలా పనిచేస్తుంది?

మాయో క్లినిక్ పరిశోధకులు రోగుల ఎలక్ట్రానిక్ ఆరోగ్య రికార్డులను, గతంలో చేసిన సాధారణ ప్రయోగశాల పరీక్షల ఫలితాలను విశ్లేషించే AI మోడల్‌ను రూపొందించారు. ఒక్క పరీక్ష ఫలితాన్ని మాత్రమే కాకుండా, అనేక సంవత్సరాల పాటు నమోదైన ఆరోగ్య వివరాల్లోని మార్పులను పరిశీలించడం దీని ప్రత్యేకత.

ఈ అధ్యయనంలో పాంక్రియాటిక్ క్యాన్సర్ ఉన్న 6,066 మంది రోగుల వివరాలతో పాటు, క్యాన్సర్ లేని 33,396 మంది నియంత్రణ సమూహ వివరాలను ఉపయోగించారు. వారి ఆరోగ్య చరిత్ర సుమారు 7.5 నుంచి 19 సంవత్సరాల వరకు అందుబాటులో ఉంది. ఈ సమాచారంలో దాగి ఉన్న నమూనాలను గుర్తించి, ఎవరిలో క్యాన్సర్ ప్రమాదం ఎక్కువగా ఉండవచ్చో అంచనా వేయడానికి మోడల్‌కు శిక్షణ ఇచ్చారు.

అంచనాల్లో ఎంత ఖచ్చితత్వం చూపించింది?

క్యాన్సర్ వచ్చే ప్రమాదం ఎక్కువగా ఉన్నవారిని, తక్కువ ప్రమాదం ఉన్నవారిని వేరు చేయడంలో ఈ మోడల్ AUROC అనే కొలమానంలో 0.853 స్కోర్ సాధించింది. ఈ కొలమానంలో 1.0 అత్యుత్తమ వేర్పాటు సామర్థ్యాన్ని సూచిస్తే, 0.5 యాదృచ్ఛిక అంచనాకు సమానం. తప్పుడు పాజిటివ్ ఫలితాలను పరిమితం చేస్తూ ప్రమాదంలో ఉన్నవారిని గుర్తించే సామర్థ్యాన్ని అంచనా వేసే AUPRC స్కోర్ 0.712గా నమోదైంది.

మోడల్ ఒక వ్యక్తికి పాంక్రియాటిక్ క్యాన్సర్ ప్రమాదం 50 శాతానికి మించి ఉందని అంచనా వేసిన సందర్భాల్లో, ఏడాదిలోపు క్యాన్సర్ నిర్ధారణ అయ్యే అవకాశం 88 శాతంగా పరిశోధకులు నివేదించారు. అయితే ఈ గణాంకం అధ్యయనంలో ఉపయోగించిన డేటా, అంచనా ప్రమాణాలకు సంబంధించినది. ప్రతి వ్యక్తికి ఇదే ఫలితం వస్తుందని లేదా ఈ మోడల్ క్యాన్సర్‌ను ఖచ్చితంగా నిర్ధారిస్తుందని దీని అర్థం కాదు.

భవిష్యత్తులో ఆసుపత్రుల్లో ఉపయోగించవచ్చా?

ఈ మోడల్‌కు అవసరమైన వైద్య రికార్డులు, సాధారణ ల్యాబ్ పరీక్షల సమాచారం అనేక ఆసుపత్రుల్లో అందుబాటులో ఉండే అవకాశం ఉంది. అందువల్ల భవిష్యత్తులో ఈ సాంకేతికతను ఇతర వైద్య వ్యవస్థల్లోనూ ఉపయోగించగలమా అనే దిశగా పరిశోధకులు ప్రయత్నిస్తున్నారు.

ప్రస్తుతం మోడల్‌ను పరిశోధన ఆధారంగా పరీక్షిస్తూ, మాయో క్లినిక్‌లోనే కాకుండా ఇతర ఆరోగ్య వ్యవస్థల్లోనూ దాని పనితీరును ధ్రువీకరించే పనులు కొనసాగుతున్నాయి. మరిన్ని రోగులపై పరీక్షలు నిర్వహించి, వాస్తవ వైద్య పరిస్థితుల్లో ఇది ఎంతవరకు ఉపయోగపడుతుందో నిర్ధారించాల్సి ఉంది. విజయవంతమైతే, భవిష్యత్తులో ఎక్కువ ప్రమాదం ఉన్నవారిని ముందుగానే గుర్తించి తదుపరి పరీక్షలు చేయాలా అనే నిర్ణయానికి వైద్యులకు సహాయపడవచ్చు.

గమనిక: ఈ AI మోడల్ పరిశోధన దశలో ఉంది. ఇది ప్రస్తుతం సాధారణ ప్రజలకు అందుబాటులో ఉన్న, ఆమోదించబడిన క్యాన్సర్ స్క్రీనింగ్ పరీక్షగా పరిగణించరాదు. ఈ అంచనాల ఆధారంగా మాత్రమే క్యాన్సర్ ఉందని లేదా లేదని నిర్ణయించలేం. ఆరోగ్య సమస్యలు లేదా ఆందోళన కలిగించే లక్షణాలు ఉంటే వైద్యుడిని సంప్రదించాలి.

Loading...
Unable to load recommendations.
Follow Us