În premieră, cercetătorii au folosit învăţarea automată, o formă de inteligenţă artificială, pentru a identifica principalii factori care influenţează supravieţuirea în cancer în aproape toate ţările lumii.
Rezultatele în cancer diferă major între ţări, iar aceste diferenţe nu ţin doar de boală, ci şi de modul în care sunt organizate şi finanţate sistemele de sănătate.
Un nou studiu arată că, folosind inteligenţa artificială (AI), pot fi identificate acele politici şi investiţii care sunt cel mai strâns asociate cu o supravieţuire mai bună în cancer, adaptate fiecărei ţări.
Studiul a fost publicat marţi, în revista Annals of Oncology, şi oferă informaţii concrete despre ce tip de îmbunătăţiri sau schimbări de politici ar putea avea cel mai mare impact asupra reducerii mortalităţii prin cancer, la nivel naţional.
Autorii au dezvoltat şi un instrument online, accesibil publicului, prin care poate fi selectată fiecare ţară. Platforma arată ce factori, precum nivelul de dezvoltare economică, accesul la radioterapie sau existenţa unei acoperiri universale de sănătate, sunt cel mai puternic asociaţi cu rezultatele oncologice. Scopul declarat este de a transforma datele globale într-un cadru practic, util pentru decidenţi.
Studiul a fost coordonat de dr. Edward Christopher Dee, medic rezident în oncologie radioterapeutică la Memorial Sloan Kettering Cancer Center din New York. El a subliniat că diferenţele mari dintre rezultatele oncologice la nivel global sunt explicate în mare măsură de structura şi performanţa sistemelor naţionale de sănătate.
Cercetarea şi-a propus să ofere o abordare bazată pe date, care să ajute fiecare ţară să identifice pârghiile de politică publică cu cel mai mare potenţial de a reduce mortalitatea şi inechităţile.
Pentru analiză, echipa a utilizat date despre incidenţa şi mortalitatea prin cancer din baza Global Cancer Observatory, ediţia GLOBOCAN 2022, acoperind 185 de ţări.
Aceste informaţii au fost corelate cu date despre sistemele de sănătate provenite de la Organizaţia Mondială a Sănătăţii, Banca Mondială, agenţii ale Naţiunilor Unite şi Registrul Internaţional al Centrelor de Radioterapie.
Au fost incluse variabile precum cheltuielile de sănătate ca procent din produsul intern brut, PIB-ul pe cap de locuitor, numărul de medici, asistente, moaşe şi personal chirurgical raportat la populaţie, existenţa acoperirii universale de sănătate, disponibilitatea serviciilor de anatomie patologică, indicele de dezvoltare umană, densitatea centrelor de radioterapie, indicele inegalităţii de gen şi ponderea plăţilor directe din buzunarul pacienţilor.
Modelul de învăţare automată a fost dezvoltat de Milit Patel, primul autor al studiului, cercetător în biochimie, statistică, ştiinţa datelor şi politici de sănătate, în cadrul capusului Austin al Universităţii Texas, şi Memorial Sloan Kettering. Potrivit acestuia, modelele de AI permit estimări şi predicţii specifice fiecărei ţări, chiar dacă datele disponibile sunt agregate la nivel populaţional.
Modelul calculează raportul mortalitate-incidenţă, un indicator care reflectă proporţia cazurilor de cancer care se finalizează prin deces şi care este utilizat ca indicator indirect al eficienţei îngrijirii oncologice. Pentru a explica rezultatele, cercetătorii au folosit o metodă numită SHAP, care cuantifică contribuţia fiecărui factor la predicţia finală, făcând modelul mai uşor de interpretat.
Rezultatele arată că, în multe ţări, accesul la radioterapie, acoperirea universală de sănătate şi forţa economică sunt factori puternic asociaţi cu rezultate oncologice mai bune. Totuşi, importanţa relativă a acestor factori diferă semnificativ de la o ţară la alta.
De exemplu, în Brazilia, acoperirea universală de sănătate apare ca factorul cu cel mai mare impact pozitiv asupra raportului mortalitate–incidenţă, în timp ce alţi indicatori, precum disponibilitatea serviciilor de anatomie patologică sau numărul de asistente şi moaşe, au o influenţă mai redusă în model. Autorii consideră că aceste rezultate susţin prioritizarea politicilor de extindere a acoperirii medicale.
În Polonia, densitatea serviciilor de radioterapie, PIB-ul pe cap de locuitor şi indicele de acoperire universală de sănătate sunt factorii cu cea mai mare asociere pozitivă cu rezultatele în cancer. În acest caz, modelul sugerează că eforturile recente de consolidare a asigurărilor de sănătate şi de îmbunătăţire a accesului la servicii au avut un impact mai vizibil decât creşterea generală a cheltuielilor de sănătate.
Pentru Japonia, Statele Unite şi Regatul Unit, datele indică faptul că toţi factorii analizaţi sunt asociaţi cu rezultate oncologice mai bune. Densitatea centrelor de radioterapie are cea mai mare influenţă în Japonia, în timp ce în Statele Unite şi Regatul Unit PIB-ul pe cap de locuitor apare ca factorul dominant, sugerând zonele asupra cărora politicile publice ar putea avea cel mai mare efect.
Situaţia este mai eterogenă în China. PIB-ul pe cap de locuitor, acoperirea universală de sănătate şi densitatea centrelor de radioterapie sunt factorii care contribuie cel mai mult la rezultate mai bune, în timp ce plăţile directe ale pacienţilor, personalul chirurgical şi cheltuielile de sănătate ca procent din PIB explică mai puţin diferenţele observate. Autorii subliniază că, în ciuda progreselor în finanţarea şi accesul la servicii, costurile directe ridicate rămân o barieră importantă pentru rezultate optime.
Modelul prezintă rezultatele sub formă de grafice, în care barele verzi indică factorii cel mai puternic asociaţi pozitiv cu supravieţuirea, iar barele roşii arată domenii care, pe baza datelor actuale, explică mai puţin diferenţele dintre ţări.
Credit: European Society for Medical Oncology (ESMO), 14 ianuarie 2026
Interpretarea analizei pentru România
Acest grafic prezintă valorile SHAP (SHapley Additive exPlanations) pentru fiecare factor analizat, calculate ca medie a 10 rulări ale modelului.
Valorile SHAP arată cât de mult contribuie fiecare factor la predicţia raportului mortalitate–incidenţă (MIR).
Valorile SHAP pozitive, reprezentate prin bare roşii, indică factori care determină modelul să estimeze un raport mortalitate-incidenţă mai mare, ceea ce este asociat cu rezultate oncologice mai slabe.
Valorile SHAP negative, reprezentate prin bare verzi, indică factori care reduc valoarea estimată a raportului mortalitate-incidenţă, fiind asociaţi cu rezultate oncologice mai bune.
Zone de preocupare:
Datele sugerează că, în cazul României, Indicele inegalităţii de gen (Gender Inequality Index - GII) pentru anul 2022 are cel mai pronunţat impact nefavorabil, contribuind la creşterea valorii estimate a MIR (SHAP mediu: 0,0043).
Implicaţii pentru politici publice:
Acest rezultat indică faptul că reducerea inegalităţilor de gen reprezintă o componentă importantă a sănătăţii publice.
Măsurile pot include îmbunătăţirea accesului femeilor la educaţie şi oportunităţi economice, precum şi asigurarea unui acces larg la servicii de sănătate.
Zonă de succes:
În schimb, numărul de centre de radioterapie raportat la 1.000 de locuitori este factorul cu cea mai puternică asociere favorabilă cu rezultatele oncologice, contribuind la scăderea valorii estimate a MIR (SHAP mediu: –0,0260).
Implicaţii pentru politici publice:
Acest lucru sugerează că investiţiile sau condiţiile actuale legate de acest domeniu sunt eficiente. O strategie posibilă este analiza acestor iniţiative care funcţionează şi consolidarea lor, pentru a amplifica impactul pozitiv.
Cercetătorii atrag atenţia că o asociere mai slabă nu înseamnă că acele domenii nu sunt importante sau că investiţiile ar trebui oprite, ci doar că, în prezent, alte politici pot avea un impact mai mare asupra indicatorilor analizaţi.
Printre punctele forte ale studiului se numără faptul că acoperă aproape toate ţările lumii, foloseşte date recente şi oferă recomandări specifice fiecărei ţări, nu concluzii generale bazate pe medii globale.
Limitările includ utilizarea datelor agregate la nivel naţional, calitatea variabilă a registrelor de cancer, mai ales în ţările cu venituri mici, şi imposibilitatea de a demonstra relaţii de cauzalitate. Autorii precizează că rezultatele indică asocieri, nu dovezi că intervenţiile asupra unui anumit factor vor duce automat la îmbunătăţirea supravieţuirii.
Concluzia cercetătorilor este că, pe măsură ce povara globală a cancerului continuă să crească, acest tip de model poate ajuta ţările să îşi prioritizeze mai eficient resursele.
