Εξόρυξη δεδομένων και αναγνώριση προτύπων με χρήση γενετικών αλγόριθμων και τεχνικών θεωρίας πληροφορίας για τη βελτιστοποιημένη ταξινόμηση περιστατικών τραχηλικής ενδοεπιθηλιακής νεοπλασίας

Abstract

Ο καρκίνος του τραχήλου της μήτρας αποτελεί έναν από τους πλέον θανατηφόρους καρκίνους των γυναικών και οφείλεται κατά κύριο λόγο στη λοίμωξη από τον ιό των ανθρώπινων θηλωμάτων (HPV). Είναι πολλοί οι τύποι του HPV που ενοχοποιούνται (άλλοι σε μεγαλύτερο βαθμό και άλλοι σε μικρότερο) για την πρόκληση προκαρκινικών αλλοιώσεων στον τράχηλο της μήτρας. Από την πρώτη στιγμή που έγινε γνωστή η βασική αιτία των αλλοιώσεων του τραχήλου της μήτρας, έγινε προσπάθεια για να εξευρεθούν τεχνικές οι οποίες θα προσέφεραν έγκυρη και όσο το δυνατόν πιο έγκαιρη ανίχνευση, με απώτερο σκοπό τον αποτελεσματικότερο προληπτικό πληθυσμιακό έλεγχο της νόσου. Σημαντικότατο ρόλο προς την κατεύθυνση αυτή διαδραμάτισε ο Γεώργιος Παπανικολάου, ο οποίος ανέπτυξε το 1943 το γνωστό test Pap το οποίο αποτελεί ακόμα και σήμερα το πιο διαδεδομένο και παράλληλα το αποδοτικότερο test για τη διάγνωση του καρκίνου του τραχήλου της μήτρας. Ωστόσο το test Pap εμφανίζει ένα σημαντικό ποσοστό εσφαλμένης πρόβλεψης. Η λανθασμένη αυτή πρόβλεψη μπορεί να οδηγήσει την ασθενή είτε σε μία σειρά περιττών εξετάσεων και θεραπειών σε περίπτωση υπερεκτίμησης της πραγματικής κατάστασης, είτε σε έναν λανθασμένο καθησυχασμό σε περίπτωση υποεκτίμησης της πραγματικής κλινικής κατάστασης. Για τον λόγο αυτό, αναπτύχθηκαν τα τελευταία χρόνια ορισμένες νέες τεχνικές για την ανίχνευση των τραχηλικών αλλοιώσεων, που έχουν σαν στόχο να βοηθήσουν τους γιατρούς όσον αφορά την αναγνώριση της κλινικής κατάστασης και εν τέλει να μειώσουν, με τον τρόπο αυτό, το ποσοστό λάθους του test Pap. Οι πιο σημαντικές τεχνικές, που μελετώνται σήμερα σε ολόκληρο τον ερευνητικό κόσμο, είναι το HPV DNA, το NASBA mRNA, το p16 και η κυτταρομετρία ροής. Με τις τεχνικές αυτές γίνεται μία προσπάθεια ανίχνευσης της πορείας της έκφρασης του γενετικού υλικού του HPV στα τραχηλικά κύτταρα. Γίνεται έτσι κατανοητό πως είναι ιδιαίτερα χρήσιμο να κατανοήσουμε πώς αυτές οι τεχνικές μπορούν να συνδυαστούν και κυρίως ποιες από αυτές μας παρέχουν πληροφορίες για την εκτίμηση της κλινικής κατάστασης. Στην έρευνα που διεξάγαμε εφαρμόσαμε τεχνικές επιλογής χαρακτηριστικών, θεωρίας πληροφορίας, γενετικών αλγορίθμων και αναγνώρισης προτύπων με σκοπό την εξόρυξη δεδομένων από ένα δείγμα 212 γυναικών, οι οποίες εμφάνιζαν αποτέλεσμα test Pap χαμηλού βαθμού (LgSIL) ή υψηλού βαθμού (HgSIL) πλακώδης ενδοεπιθηλιακή βλάβη και η αντίστοιχη ιστολογική εξέταση έδειχνε κάποιας μορφής τραχηλική ενδοεπιθηλιακή νεοπλασία. Τα 212 αυτά περιστατικά ανήκαν σε μία ευρύτερη βάση 500 δειγμάτων, που περιλαμβάνουν τα αποτελέσματα των εξετάσεων των πέντε τεχνικών ανίχνευσης που προαναφέρθηκαν και συγκεντρώθηκαν από το Αττικό Νοσοκομείο και από το Νοσοκομείο Ιωαννίνων. Με βάση την εργασία μας καταλήξαμε στην ανάπτυξη ενός συστήματος που προβλέπει την κλινική κατάσταση και κάναμε σύγκριση με την ιστολογική βιοψία, η οποία αποτέλεσε το χρυσό κανόνα στην έρευνά μας. Συνολικά, από τις πέντε ξεχωριστές τεχνικές ανίχνευσης είχαμε μία βάση με 50 ξεχωριστές τιμές-χαρακτηριστικά για κάθε μία ασθενή. Με χρήση προηγμένων τεχνικών υπολογιστικής νοημοσύνης καταφέραμε να μειώσουμε σημαντικά τον αριθμό των χαρακτηριστικών που συμμετέχουν ουσιαστικά στη διαμόρφωση της κλινικής κατάστασης και να αυξήσουμε σε μεγάλο βαθμό τα στατιστικά μέτρα απόδοσης που περιγράφουν την εκτίμηση για την πρόβλεψη της ιστολογίας σε σύγκριση με το test Pap. Ακόμα, βασιζόμενοι σε αυτό, κατασκευάσαμε ένα αρχικό μοντέλο για την εκτίμηση της πραγματικής κλινικής κατάστασης. Τα συμπεράσματά μας μπορούν να εκληφθούν ως μία προκαταρκτική ερευνητική εργασία και εφόσον επιβεβαιωθούν από μία μεγαλύτερη βάση δεδομένων θα μπορούσαν να αποτελέσουν τη βάση για τη δημιουργία ενός συστήματος για την κατάλληλη ιατρική διαλογή ασθενών με τραχηλική ενδοεπιθηλιακή νεοπλασία.

Cervical cancer is one of the most common and fatal cancers among women, and it is mainly due to infection by Human Papillomavirus (HPV). There are many types of HPV which are implicated (to a bigger or lesser extent) for the cause of precancerous lesions in cervix uteri. From the first moment that the main cause of cervical lesions became clear, there was an effort made to develop techniques which would lead to a valid and as timely as possible detection, in order to provide a more efficient screening for the disease. To this direction a very important role was played by George Papanicolaou, who developed the well-known test Pap which is still today the most effective test for the diagnosis of cervical cancer. Nevertheless, the test Pap shows an important percentage of incorrect prediction. Such an incorrect prediction could lead a patient either to having a series of unnecessary medical tests in case of an overestimated prediction or to a false reassurance in case of an underestimation of the true clinical state. For this reason, some new techniques have been developed the last years for the detection of cervical lesions, which aim to support physicians in the detection of the clinical state and, hence, to decrease the error rate of the test Pap. The most important techniques are HPV DNA, NASBA mRNA, p16 and flow cytometry. These techniques try to detect the route of gene expression of HPV in cervical cells. It is clear, therefore, that it is very useful to understand in which way all these tests could be combined and mainly which of these tests provide us with information for better assessing the clinical state. In this work, we applied techniques of feature selection, information theory, genetic algorithms and pattern recognition to mine data from a sample of 212 women which had a test Pap result of Low Grade (LgSIL) or High Grade (HgSIL) Squamous Intraepitheliel Lesion and their comprehensive biopsy showed some sort of a Cervical Intraepithelial Neoplasia. These 212 incidents belonged to a wider database of 500 samples, consisting of the results of the five screening tests which were compiled in Attikon Hospital and Hospital of Ioannina, Greece. Our work resulted in the development of a system which predicts the clinical state. Furthermore, we compared the outcomes of the system with the histological biopsy result, which was the golden standard in our research. Including all of the 5 separate detection techniques we developed a database of separate values-features for each one of the patients. With the use of advanced computational intelligence techniques we managed to decrease the number of the features which participate in the form of the final clinical state. Moreover, we managed in this way to increase the statistical measures for the prediction of the histology compared to the test Pap. Moreover, based on all these we developed an initial risk model for the estimation of the true clinical state. Our conclusions can be regarded as a preliminary work which, if confirmed on a larger database, could lead to the development of a system for the proper triage of patients with cervical intraepithelial neoaplasia.