رفتن به محتوا
Prof. Dr. Mustafa Özdoğan · متخصص انکولوژی پزشکی

آیا می‌توان از داده‌های خرید برای پیش‌بینی زودهنگام سرطان استفاده کرد؟

آیا می‌توان از داده‌های خرید برای پیش‌بینی زودهنگام سرطان استفاده کرد؟
در این مقاله

مطالعه‌ای تازه مطرح کرد داده‌های خرید گردآوری‌شده از کارت‌های اعتباری ممکن است به پیش‌بینی خطر سرطان کمک کنند. اکنون پژوهشگران بررسی می‌کنند چگونه می‌توان از این اطلاعات استفاده کرد و چه اثری بر بیماران خواهد داشت.

مطالعه نشان داد بیماران مبتلا به سرطان تخمدان در ماه‌های پیش از تشخیص، نسبت به افراد بدون سرطان، داروهای تنظیم گوارش و مسکن بیشتری خریده‌اند. پژوهش با داده‌هایی انجام شد که شرکت‌کنندگان پذیرفتند از خریدهای کارت اعتباری خود نزد دو خرده‌فروش بریتانیایی، یک داروخانه و یک سوپرمارکت، به اشتراک بگذارند.

برای گسترش این کار، پژوهشگران مطالعه بزرگ‌تری را آغاز می‌کنند تا ارتباط داده خرید با تشخیص 10 نوع سرطان را بررسی کنند. اگر یافته‌های اولیه تکرار شوند، گروه به راه‌هایی برای آگاه‌کردن مصرف‌کنندگان از احتمال پیوند عادت‌های خرید و خطر سرطان خواهد اندیشید.

اما متخصصان هشدار می‌دهند شناسایی خریدهای خاص برای پیش‌بینی خطر سرطان یا بیماری دیگر ممکن است بسیار دشوار باشد و پیش از اطلاع‌رسانی و نگران‌کردن خریداران، این خریدها باید قدرت پیش‌بینی بسیار بالایی داشته باشند. مصرف‌کنندگان و گروه‌های حامی نیز درباره استفاده پژوهشی از داده خرید نگران‌اند؛ به‌ویژه احتمال استفاده بازاریابی یا هدف‌های دیگری که مصرف‌کننده نپذیرفته است.

داده‌های خرید و خطر سرطان: یافته‌ها و پیامدها

مطالعه بریتانیایی منتشرشده در JMIR Public Health and Surveillance ، مجله سلامت عمومی و پایش، شامل 153 زن مبتلا به سرطان تخمدان از درمانگاه‌های انگلستان، اسکاتلند و ولز و 306 زن بدون این سرطان با سن تقریباً مشابه بود که آنلاین ثبت‌نام کردند. همه پذیرفتند داده کارت اعتباری خود را از 2 خرده‌فروش تا 6 سال پیش به اشتراک بگذارند.

پژوهشگران ارتباطی معنادار میان خرید داروهای تنظیم گوارش و مسکن و تشخیص سرطان تخمدان یافتند و این ارتباط 8 ماه پیش از تشخیص بیشترین بود (نسبت شانس [OR]، 2,91؛ 95% CI، 2,07-4,12). داروهای گوارشی عامل اصلی این ارتباط بودند و خرید آن‌ها از 9 ماه پیش از تشخیص افزایش یافت (OR، 1,38؛ 95% CI، 1,04-1,83).

قوی‌ترین ارتباط در زنانی دیده شد که سرطان تخمدان پیشرفته داشتند. در این گروه، سابقه خرید توانست 68% بیماران مبتلا به سرطان تخمدان را پیش‌بینی کند.

بیماران مراحل پیشرفته یا دیررس، نسبت به مرحله زودرس سیر نامطلوب‌تری دارند، علامت‌دارند و همان کسانی هستند که واقعاً باید زودتر تشخیص دهیم.

تشخیص زودهنگام سرطان تخمدان دشوار است، زیرا در مراحل ابتدایی معمولاً علامت نمی‌دهد؛ علائمی مانند ناراحتی گوارشی، درد معده و کمر را حتی پزشکان هم ممکن است از دست بدهند.

هدف نهایی پژوهش این بود که بیمار زودتر به پزشک مراجعه کند و فاصله نخستین نشانه‌ها تا درخواست کمک پزشکی کوتاه شود. اما الگوی خرید، ارتباطی به‌اندازه کافی قوی با سرطان تخمدان ندارد.

دکتر James M. Flanagan، نویسنده مطالعه، و همکارانش اکنون داده کارت اعتباری را عمیق‌تر بررسی می‌کنند تا شاید ترکیبی از خرید داروهای بدون نسخه و غذا یا ویتامین خاص، پیش‌بینی‌کننده‌ای قوی برای خطر سرطان تخمدان باشد.

همچنین شاید ترکیب خریدها نشانه‌ای عمومی‌تر از نفخ مداوم بر اثر سرطان تخمدان، سرطان‌های دیگر یا نشانگان روده تحریک‌پذیر باشد. چنین نشانه‌ای ممکن است فرستادن پیامی به مصرف‌کننده را توجیه کند که شاید مشکلی گوارشی دارد و بخواهد با پزشک گفت‌وگو کند.

مطالعه‌ای یادآور کتاب «Homo Deus» هراری

یووال نوح هراری تاریخ‌نگار و نویسنده علم برای عموم است. مشهورترین آثارش «Sapiens: تاریخ مختصر نوع بشر»، «Homo Deus: تاریخ مختصر فردا» و «21 درس برای قرن 21» هستند. او در کتاب‌ها و سخنرانی‌هایش اثر فناوری، داده و الگوریتم را بر زندگی انسان بررسی می‌کند.

الگوریتم مسیر طراحی‌شده برای رسیدن به راه‌حل یک مسئله است؛ می‌توان آن را «مسئله + الگوریتم = راه‌حل» دانست. ویژه پزشکی نیست، اما بیشترین کاربردش در پزشکی و مهندسی است. برای خدمت به سلامت، هوش‌های مصنوعی به‌گونه‌ای طراحی می‌شوند که هزاران و حتی تعداد نامحدودی الگوریتم بدانند.

هراری بر ظرفیت الگوریتم و کلان‌داده برای پیش‌بینی سلامت و پیشنهادهای شخصی‌شده تأکید می‌کند. به‌ویژه در Homo Deus استدلال می‌کند فناوری محاسباتی آینده می‌تواند سلامت و کیفیت زندگی را بهتر کند. بر این اساس، الگوریتم‌ها با داده خرید، غذا، شبکه اجتماعی و دیگر فعالیت‌ها می‌توانند سلامت را ارزیابی و به پیشگیری و تشخیص زودهنگام بیماری کمک کنند.

هراری همچنین پیامدهای احتمالی و مسائل اخلاقی این تحول‌ها را برای جامعه و فرد بررسی می‌کند. پیش‌بینی سلامت با الگوریتم، از راه گردآوری و تحلیل داده شخصی ممکن می‌شود و می‌تواند حریم خصوصی و امنیت داده را تهدید کند. بنابراین هنگام سنجش سود فناوری، توجه به مسائل اخلاقی و حقوقی نیز مهم است.

استفاده از داده شخصی: نگاه مصرف‌کننده و قوانین حفاظت

دکتر فلانگان و همکاران برای شناخت نظر مصرف‌کنندگان درباره اشتراک داده کارت اعتباری در پژوهش سلامت، چند مطالعه با گروه‌های کانونی حضوری و مصاحبه تلفنی انجام دادند.

در یک مطالعه، 54% مصرف‌کنندگان گفتند مایل‌اند این داده‌ها را برای پژوهش به اشتراک بگذارند. درک هدف اهدای داده، میل به آن را بیشتر می‌کرد، اما «وظیفه اجتماعی» قوی‌ترین پیش‌بینی‌کننده اهدای داده بود.

پژوهش نشان داد مصرف‌کنندگان به‌ویژه درباره مدیریت داده، استفاده بی‌خبر از آن برای هدفی خارج از مطالعه و ناشناس‌سازی برای حفظ هویت و موقعیت مکانی نگران‌اند.

تأمین برخی از این تضمین‌ها ممکن است دشوارتر از بریتانیا و اروپا باشد که قوانین حفاظت داده، مالکیت و اختیار افراد بر داده شخصی را فراهم می‌کنند.

«[در آمریکا] اکنون موزاییکی از قوانین ایالتی و بخشی داریم که در بسیاری موارد درباره شیوه استفاده [فروشگاه خرده‌فروشی] از اطلاعات جمع‌آوری‌شده در برنامه اعتباری و آنچه باید ابتدا افشا کند، بسیار ضعیف عمل می‌کنند»، جان دیویسون، وکیل ارشد و مدیر دعاوی گروه غیرانتفاعی پژوهشی و حمایتی EPIC، چنین گفت.

اما او گفت فروشگاه با پژوهش تفاوت دارد. مطالعات معمولاً زیر نظر هیئت‌های بازبینی سازمانی‌اند که برای مدیریت ایمن داده نظارت سخت‌گیرانه فراهم می‌کنند. برای مثال، حتی اگر فروشگاه بتواند آزادانه داده کارت اعتباری را به شخص ثالثی مانند گروه پژوهشی بدهد، پژوهشگران احتمالاً باید رضایت مصرف‌کننده را بگیرند.

گام‌های بعد: پژوهش بیشتر و کاربرد دنیای واقعی

پژوهش کنونی هنوز با داشتن شواهد کافی برای اجرای هر سامانه هشدار سرطان از راه برنامه کارت اعتباری فاصله زیادی دارد.

مطالعه اثبات مفهومی درباره مفید بودن این اطلاعات شخصی بود؛ و اگر مفید بودن را بپذیریم، ساخت سامانه‌ای که بر پایه آن عمل کند، پرسشی کاملاً متفاوت خواهد بود.

اگر فلانگان و همکاران یافته اولیه را تأیید کنند، امیدوارند پذیرفتنی‌ترین شیوه هشدار به مصرف‌کننده را مطالعه کنند. گفت‌وگو با پژوهشگران، بیماران و پزشکان مراقبت اولیه، راه‌هایی پیشنهاد کرده است: برای مثال، سامانه کارت اعتباری می‌تواند درباره خطر احتمالیِ شناسایی‌شده با الگوریتم به فرد یا پزشکش نامه بفرستد، یا خودکار در مرکز تشخیص برای او نوبت بگیرد.

همچنین باید توجه داشت اگر الگوریتم در دنیای واقعی از داده خرید برای کشف خطر سرطان استفاده کند، سامانه کارت اعتباری ممکن است جمعیت‌های مهمی را از دست بدهد.

استفاده واقعی از داده خرید برای اطلاع‌رسانی سلامت، در مقایسه با محیط پژوهش «لایه دیگری از پیچیدگی» می‌افزاید. همان تضمین‌ها درباره دسترسی به داده و شیوه استفاده از آن نیز باید وجود داشته باشند.

اگر مصرف‌کنندگان به اشتراک داده علاقه‌مندند، باید در توضیح نحوه استفاده از اطلاعات و انتقال نتایج الگوریتم به آنان بسیار محتاط بود.

در نتیجه، پژوهش تازه درباره ظرفیت داده خرید کارت اعتباری برای پیش‌بینی خطر سرطان، ایده‌های مهمی برای کاربرد آینده ارائه می‌کند. اما دشواری‌های اخلاقی و حقوقی نیز باید لحاظ شوند. رسیدگی به نگرانی‌های حریم خصوصی و شیوه استفاده از داده و گرفتن رضایت، بخشی مهم از این روند است. برای موفقیت کاربرد واقعی، پژوهش بیشتری درباره دقت و قابلیت اعتماد الگوریتم‌های پیش‌بینی سرطان با داده خرید لازم است. گام‌های آینده ممکن است با گسترش پژوهش، به یافتن روش‌های تشخیص زودرس و پیشگیریِ بالقوه نجات‌بخش کمک کنند.

منابع

1. Brewer HR, Hirst Y, Chadeau-Hyam M, et al. Association between purchase of over-the-counter medications and ovarian cancer diagnosis in the Cancer Loyalty Card Study (CLOCS): Observational case-control study. JMIR Public Health Surveill. انتشار آنلاین در 26 ژانویه 2023. doi:10.2196/41762

2. Carina Storrs, PhD. Could Shopping Data Be Used to Predict Cancer and Diagnose It Earlier? 21 آوریل 2023 cancertherapyadvisor.com
هوش مصنوعی DROZDOGAN

این مقاله را با هم بررسی کنیم

درباره مقاله بپرسید و پاسخ‌ها را همراه با منابع منتشرشده در سایت ما بخوانید.

هوش مصنوعی DROZDOGAN

دستیار Drozdogan

آیا می‌توان از داده‌های خرید برای پیش‌بینی زودهنگام سرطان استفاده کرد؟

درباره مقاله بپرسید و پاسخ‌ها را همراه با منابع منتشرشده در سایت ما بخوانید.

اطلاعات گفت‌وگو و حریم خصوصی

این گفت‌وگو را دستیار Drozdogan پاسخ می‌دهد. مدیران مجاز سایت ممکن است آن را برای بررسی کیفیت بازبینی کنند. اطلاعات شخصی را به اشتراک نگذارید.

پاسخ‌ها با زیرساخت OpenAI تهیه می‌شوند. پرسش‌ها و پاسخ‌ها در آن سرویس پردازش می‌شوند؛ سوابق گفت‌وگو در سایت ما ذخیره می‌شوند. اطلاعات هویتی، تماس یا سلامت شخصی را به اشتراک نگذارید.

0 / 1000

فقط برای اطلاع‌رسانی است؛ تشخیص شخصی یا توصیه درمانی ارائه نمی‌شود.

مقاله‌های مرتبط

مقاله‌های دیگر درباره این موضوع را بخوانید.

از تازه‌ها باخبر بمانید

مقاله‌های تازه و پیشرفت‌های علمی را از طریق ایمیل دریافت کنید.

Google Analytics در صفحات عمومی مستقل از این پنجره کار می‌کند و ممکن است از کوکی‌های تحلیلی استفاده کند. انتخاب شما در اینجا فقط خدمات خارجی را کنترل می‌کند.