Ανάπτυξη πληροφοριακού συστήματος για τη διαχείριση γυναικών που συμμετέχουν σε πρόγραμμα πληθυσμιακού ελέγχου για καρκίνο τραχήλου της μήτρας

Abstract

Ο καρκίνος του τραχήλου της μήτρας είναι ο τρίτος πιο κοινός καρκίνος και ο τέταρτος πιο θανατηφόρος καρκίνος για τις γυναίκες σε παγκόσμιο επίπεδο. Προκαλείται σχεδόν πάντα από τη μόλυνση από τον ιό των ανθρώπινων θηλωμάτων (HPV) που είναι ο πιο κοινός σεξουαλικά μεταδιδόμενος ιός. H παρουσία του ιού HPV, ωστόσο, δεν οδηγεί πάντα σε νόσο και συνεπώς η περαιτέρω κατανόηση της μόλυνσης από HPV και της φυσιολογίας της καρκινικής νεοπλασίας κατέληξε στην εισαγωγή ενός νέου τεστ, του τεστ HPV DNA, το οποίο σε συνδυασμό με το τεστ Παπ χρησιμοποιείται σήμερα για την βελτίωση της ανίχνευση δυσπλασιών στον τράχηλο της μήτρας. Σχετικά πρόσφατα, νέες τεχνολογίες για την ανίχνευση του καρκίνου του τραχήλου της μήτρας έγιναν διαθέσιμες στους γιατρούς. Κάποιες μελέτες πρότειναν τη μετάβαση από την ανίχνευση DNA στην mRNA ταυτοποίηση των ογκοπρωτεϊνών E6/E7 που συνδέονται με την ογκογεννετική ενεργοποίηση. Ανάμεσα σε αυτές, η τεχνική NASBA και η τεχνική κυτταρομετρίας ροής (Flow Cytometry) ξεχώρισαν για την ανίχνευση καρκινικών και προκαρκινικών αλλοιώσεων με πολλά υποσχόμενα αποτελέσματα, μειώνοντας τις άσκοπες παραπομπές σε κολποσκόπηση. Παράλληλα, η ανοσοκυτταροχημική ανίχνευση των γενετικών επιδράσεων όπως η υπερέκθεση σε p16 είναι μια μεθοδολογία που μπορεί να αυξήσει την διαγνωστική ακρίβεια του Παπ τεστ. Αν και σήμερα υπάρχουν διαθέσιμες πολλές νέες εξετάσεις και βιοδείκτες για την βελτίωση της ανίχνευσης τραχηλικών επιθηλιακών βλαβών, καμμία μέθοδος δεν έχει αποδειχθεί βέλτιστη. Πολλές μελέτες αναφέρουν πως η απόδοση των μεθόδων υπό έλεγχο διαφέρουν σημαντικά, επηρεαζόμενες από την εμφάνιση της νόσου και τη συχνότητα της HPV λοίμωξης στην ομάδα μελέτης του πληθυσμού, με αποτέλεσμα η μεμονωμένη εφαρμογή μιας μεθόδου, ακόμη και αν προσφέρει ένα επίπεδο προστασίας, δεν μπορεί να προσδιορίσει με αξιοπιστία τον κίνδυνο της κάθε γυναίκας. Ως εκ τούτου, μια διαφορετική προσέγγιση απαιτείται, η οποία θα είναι σε θέση να συνδυάζει πολλές παραμέτρους προκειμένου να παράγει μια ακριβή αξιολόγηση του κινδύνου για ανάπτυξη καρκίνου του τραχήλου της μήτρας για κάθε γυναίκα. Με βάση το γεγονός αυτό, στο Εργαστήριο Βιοϊατρικής Τεχνολογίας του Εθνικού Μετσόβιου Πολυτεχνείου γίνεται προσπάθεια για την ανάπτυξη μιας καινοτόμου μεθοδολογίας για τον μη-γραμμικό συνδυασμό των μεθόδων και των βιοδεικτών που είναι διαθέσιμοι για την ανίχνευση του καρκίνου του τραχήλου της μήτρας, με χρήση προηγμένων μαθηματικών και εργαλείων πληροφορικής. Ως αποτέλεσμα της εργασίας αυτής, ένα ευφυές σύστημα υποστήριξης αποφάσεων που αποτελείται από Τεχνητά Νευρωνικά Δίκτυα έχει αναπτυχθεί για το συνδυασμό των αποτελεσμάτων των κλασικών και των βοηθητικών τεχνικών με σκοπό τη βελτίωση της διαγνωστικής ακρίβειας. Η παρούσα διπλωματική εργασία έχει σκοπό την ανάπτυξη ενός πληροφοριακού συστήματος το οποίο ενσωματώνοντας το αναφερόμενο σύστημα τεχνητής νοημοσύνης λειτουργεί ως ένα ολοκληρωμένο Διαδικτυακό Σύστημα Υποστήριξης Κλινικής Απόφασης, με σκοπό τη βελτίωση της διαχείρισης και διαλογής γυναικών που συμμετέχουν σε πρόγραμμα πλυθυσμιακού ελέγχου για τον καρκίνο του τραχήλου της μήτρας. Χάρις στο γεγονός ότι το πληροφοριακό σύστημα αυτό αναπτύχτηκε ως διαδικτυακή εφαρμογή με πρόβλεψη για ύπαρξη ξεχωριστών χρηστών, μπορεί να χρησιμοποιηθεί ταυτόχρονα από πολλούς γιατρούς, ερευνητές και ιατρικά εργαστήρια σε διαφορετικές τοποθεσίες, με τον καθένα από αυτούς να διαχειρίζεται ξεχωριστά το δικό του λογαριασμό, ασθενείς και εξετάσεις. Ένα σημαντικό στοιχείο για το πληροφοριακό σύστημα που κατασκευάστηκε είναι πως είναι σχεδιασμένο κατάλληλα έτσι ώστε να παρουσιάζει και να καταχωρεί τα απαιτούμενα δεδομένα με δυναμικό τρόπο. Με την εξέλιξη της έρευνας πάνω στο καρκίνο του τραχήλου της μήτρας και την παρουσίαση νέων δεδομένων και βιοδείκτων, το σύστημα έχει τη δυνατότητα να επικαιροποιηθεί με την προσθήκη, αφαίρεση ή και τροποποίηση εξετάσεων, βιοδείκτων και λοιπών στοιχείων σχετικά με τους ασθενείς. Επιπλέον, το πληροφοριακό σύστημα έχει σχεδιαστεί με τέτοιο τρόπο ώστε υπάρχει η δυνατότητα εύκολης αντικατάστασης του ενσωματωμένου συστήματος τεχνητής νοημοσύνης με ένα νέο το οποίο θα είναι σε θέση να δίνει περισσότερα και πιο ακριβή αποτελέσματα. Το πληροφοριακό σύστημα αναπτύχθηκε σαν διαδικτυακή εφαρμογή σε περιβάλλον ASP.NET MVC και σε γλώσσα προγραμματισμού C#, με τη βάση δεδομένων να υποστηρίζεται από τον MS SQL Server 2012.

Cervical cancer is the third most common cancer and the fourth leading cause of cancer death in females worldwide. It is known to be caused almost always by human papillomavirus (HPV) infection which is the commonest sexually transmitted infection worldwide. However, the presence of HPV does not always lead to disease, thus improved understanding of HPV infection and the natural history of cervical neoplasia have resulted in the addition of the HPV DNA test along with the Pap test. In the recent years, new technologies for cervical cancer detection have been promoted to physicians. Some studies proposed the shift from DNA detection to mRNA identification of the viral E6/E7 oncogenes that are linked to oncogenic activation. Among them, the NASBA and the Flow Cytometry techniques have been enrolled in cancer and precancerous lesions’ detection with promising results, reducing unnecessary referrals to colposcopy. At the same time, the immunocytochemical detection of genetic effects such as overexpression of p16 is a methodology which can increase the diagnostic accuracy of the Pap test. Nowadays, there are numerous methods and biomarkers that are available for cervical cancer detection, nevertheless no single method is optimal. Several published studies report that the performance of the methods under control differ significantly, affected by the disease incidence and the prevalence of HPV infection in the population study group, resulting in that the individual application of one method, even if it offers a level of protection, does not reliably determine the risk of each individual woman. Thus, a different approach is required that will be able to combine many parameters in order to produce an accurate risk assessment for each woman. Based on this, the Biomedical Engineering Laboratory of the National Technical University of Athens is working on an innovative approach of employing advanced mathematical and computing tools for the non-linear combination of the methods and biomarkers that are available for cervical cancer detection. As a result, an intelligent decision support system, composed by Artificial Neural Networks, has been developed for the combination of the results of classic and ancillary techniques in order to improve the diagnostic accuracy. This study aims to the development of an information system which, by integrating the developed artificial intelligent system, serves as an integrated Web-based Clinical Decision Support System for the improvement of the management and triage of women attending cervical cancer screening programs. This information system was developed as a web application, capable to serve many individual users, thus it can be used at the same time by researchers, physicians and medical laboratories in different places. An important element of this information system is that it has been designed to present and store all data dynamically. As research on cervical cancer progresses and new information and biomarkers are presented to physicians and the public, new biomarkers, exams or patient data may be added, subtracted or modified. Moreover, the information system has been designed in such a way that the developed integrated artificial intelligence system may be replaced easily with an improved one that may provide more accurate results. The application is developed as a web application in the ASP.NET MVC Framework in C# language with the database supported by MS SQL Server 2012.