خب، حتماً شنیدی که توی چند سال اخیر، پیشرفت‌های زیادی توی غربالگری (یعنی همون چکاپ و شناسایی زودهنگام) سرطان سینه انجام شده. اما با این همه پیشرفت، هنوز هم یه عالمه چالش وجود داره، مخصوصاً وقتی تعداد بیمارا بالا میره و منابع درمانی هم محدوده. تیم‌های درمانی واقعاً نمی‌تونن همیشه پیش‌بینی کنن که کی قراره دچار استرس و نگرانی شه یا چطور باید بهتر با این موضوع برخورد کنن تا حال بیمارشون بهتر شه.
یه تیم پژوهشی اومدن و داده‌های واقعی از ۲۳۶ بیمار که بیوپسی سینه (یعنی برداشتن نمونه از بافت سینه برای آزمایش بیشتر) داشتن رو بررسی کردن. هدفشون این بوده که تجربه بیمارا موقع این پروسه پیچیده رو مدل کنن و بفهمن چی‌ها روی حس و حالشون تاثیر داره.
حالا چجوری این کار رو کردن؟ داده‌هایی که جمع کردن شامل نتایج ارزیابی روانی-اجتماعی بیمارا (مثلاً استرس و اضطراب قبل از شروع کار) و اطلاعات مربوط به پروسه درمان و حتی چیزهایی که از گفتگوشون با پزشک درمیاد بوده. خلاصه، همه‌چی رو ریختن تو یه مدل!
نتایج خیلی جالب بود:
۱. اول، مسیر و داستان هر بیمار رو به صورت تصویری درآوردن که نشون بده بیمار دقیقاً از چه مراحلی رد میشه.
۲. با استفاده از مدل‌های آماری پیچیده و حتی ماشین لرنینگ (یعنی همون یادگیری ماشین که رایانه خودش با داده‌ها یاد می‌گیره الگو پیدا کنه)، پیش‌بینی کردن سطح اضطراب هر کسی رو بر اساس ارزیابی روانی اولیه و رویدادهای مهم توی پروسه.
۳. ارتباط بین بیمار و مراقب رو هم تحلیل کردن تا بفهمن چی‌ها باعث بهتر یا بدتر شدن تجربه بیمار میشه.
یه کشف مهمشون این بود که ارزیابی روانی قبل از بیوپسی، به شدت با اضطرابی که بیمار حین این کار تجربه می‌کنه ارتباط داره. مثلاً هر چی امتیاز IES، CES-D، PSS یا STAI (که تست‌های مختلف سنجش اضطراب و استرس هستن) بالاتر باشه، اضطراب بیمار هم توی بیوپسی بیشتره. ینی اگر کسی از قبل خیلی استرس داره، احتمالاً حین بیوپسی خیلی بیشتر از بقیه اذیت میشه.
از نظر زمانی هم فهمیدن: وقتی زمان شروع کار رو روی تزریق اولین بی‌حسی موضعی (Local Anesthesia) بذارن، اضطراب بیمار تا زمان تزریق زیاد میشه و بعد از تزریق میره پایین.
حتی از تکنولوژی Natural Language Processing هم استفاده کردن (یعنی روشی که کامپیوتر می‌تونه حرف زدن و نوشتار آدم‌ها رو بفهمه و تحلیل کنه). این طوری تونستن جملات بیمارا درباره درد یا نگرانی رو همزمان با اتفاقات پروسه بررسی کنن.
در نهایت، نتیجه این پژوهش‌ها نشون می‌ده اگه اطلاعات مختلف رو با هم ترکیب کنیم (مثل حس و حال بیمار، وضعیت فرایند، و حتی لحن حرف زدنش)، می‌تونیم یه مدل دیجیتالی از فرایند درمان هر فرد بسازیم که بهش «دیجیتال توئین» میگن. Digital Twin یعنی یه نسخه مجازی از وضعیت سلامتی و تجربیات واقعی آدم، تا پزشک‌ها بتونن پیش‌بینی کنن کی استرس می‌کشه و زودتر دست به کار شن مشکلات رو کم کنن تا همه با استرس کمتر و تجربه بهتر بیان و برن.
به طور خلاصه، این مدل‌ها قراره کمک کنن بیمارای آینده بیوپسی رو خیلی راحت‌تر پشت سر بذارن، چون تیم درمان می‌دونه دقیقاً کی ممکنه اذیت شه و چطور می‌تونه به موقع حالش رو بهتر کنه!
منبع: +
