Σύστημα υποστήριξης αποφάσεων και μοντελοποίησης της ανίχνευσης του καρκίνου του τραχήλου της μήτρας μέσω πιθανοτικών μοντέλων ροών, με σκοπό τη βελτίωση της ιατρικής διαχείρισης και διαλογής των γυναικών με μη φυσιολογικά ευρύματα στην κυτταρολογική τους εξέταση.

Abstract

Η παρούσα διπλωματική εργασία ασχολείται με την ανάπτυξη ενός υπολογιστικού συστήματος για την υποστήριξη λήψης απόφασης εκ μέρους των κλινικών ιατρών που αφορά τη διάγνωση της νόσου του καρκίνου του τραχήλου, μιας νόσου που αποτελεί μια σύγχρονη μάστιγα για τις γυναίκες. Οι αιτίες εμφάνισης του καρκίνου στον τράχηλο της μήτρας δεν έχουν διευκρινιστεί με ακρίβεια και εγκυρότητα, παρ’ όλα αυτά ο συσχετισμός του με συγκεκριμένους τύπους του ιού HPV (όπως για παράδειγμα οι τύποι 16, 18, 31, 33, και 45) αποτέλεσε ένα πολύ σημαντικό βήμα για την περαιτέρω διερεύνηση των αιτιών από πολλούς επιστημονικούς φορείς. Στα πλαίσια της εξεύρεσης έγκαιρων και έγκυρων τεχνικών για τη διάγνωση αυτής της επικίνδυνης νόσου το test Pap, που πήρε το όνομά του από τον εφευρέτη του ελληνικής καταγωγής ιατρό Γεώργιο Παπανικολάου (1943), αποτέλεσε μια εξέταση ορόσημο για όλες τις γυναίκες. Η σημασία του συγκεκριμένου screening test που έχει τη μεγαλύτερη περίοδο εφαρμογής αποτυπώνεται στο γεγονός ότι χάρη σε αυτό έχουν μειωθεί οι θάνατοι εξαιτίας του καρκίνου του τραχήλου κατά 74 %. [45]. Εντούτοις, η διάγνωση της νόσου μέσω του test Pap δεν είναι πλήρως έγκυρη και επιτυχής καθώς αφενός υπάρχει ένα ποσοστό λανθασμένης πρόβλεψης και αφετέρου το αποτέλεσμα του test Pap που αφορά τα πλακώδη κύτταρα απροσδιορίστου σημασίας (ASCUS - atypical squamous cells of undetermined significance) χρήζει περαιτέρω διερεύνησης γιατί μπορεί να εγκυμονεί κινδύνους. Στα πλαίσια της διάγνωσης λοιπόν είναι απαραίτητο να περιληφθούν νέες τεχνικές ανίχνευσης των τραχηλικών αλλοιώσεων, όπως είναι το HPV DNA test, το mRna test, το flow test και το P16 test. Στην παρούσα εργασία λάβαμε δεδομένα από 380 γυναίκες που είχαν πραγματοποιήσει και τις 5 ανωτέρω εξετάσεις και με βάση αυτά κατασκευάσαμε ένα δομημένο πιθανοτικό μοντέλο. Συγκεκριμένα αναπτύξαμε ένα Μπεϋζιανό δίκτυο προκειμένου να μοντελοποιήσουμε τις σχέσεις επιρροής των αποτελεσμάτων των εξετάσεων αυτών και να διεξάγουμε ένα διαγνωστικό συμπέρασμα που θα μπορούσε να λειτουργήσει συμβουλευτικά για τον κλινικό ιατρό. Τα Μπεϋζιανά δίκτυα λειτουργούν σε αυτή την περίπτωση ως τμήμα των συστημάτων υποστήριξης κλινικής απόφασης και προτιμώνται στην περίπτωση της διάγνωσης καθώς διαχειρίζονται σε καλύτερο βαθμό το στοιχείο της αβεβαιότητας σε σχέση με τα Τεχνητά Νευρωνικά Δίκτυα για παράδειγμα. Πιο συγκεκριμένα, στην εργασία επικεντρωθήκαμε στην προσπάθεια διευκρίνησης των περιπτώσεων που εμφάνιζαν ASCUS ως αποτέλεσμα του test Pap προκειμένου να αποκτήσει ο ιατρός καλύτερη εικόνα για την υγεία της εξεταζόμενης.

The causes of cervical cancer are not specified with accuracy and reliability; however, it has been proved as fact that cervical cancer has strong correlation with specific viral types of HPV (such as types 16, 18, 31, 33, and 45). This corellation allowed other scientific areas, such as computer science to further investigate the origins of cervical cancer. Human papillomavirus (HPV) test, Pap test, mRna test, P16 test and Flow cytometry test, are included in the cervical cancer screening program. In many cases the result of Pap test is (ASC-US) or low-grade (LSIL). Although these results are considered mildly abnormal, women with the above test results have an increased risk for developing high grade dysplasia and cancer (CIN2+). The present thesis is dedicated to constructing a computational decision support system which will help the clinician to triage women with (ASC-US) or low-grade (LSIL) cytological lesions. More specifically, we take into consideration 380 women that followed the five screening tests (HPV, PAP, mRNA, P16, Flow) and we use probabilistic graphical models in order to represe