Published April 23, 2022
| Version v1
Publication
Open
Artificial intelligence-based prediction for cancer-related outcomes in Africa: Status and potential refinements
- 1. University of Hong Kong
- 2. Chinese University of Hong Kong
- 3. University of Lagos
- 4. James Cook University
Description
Globally, cancer ranks among the most common causes of death, especially among people under 70 years of age [1].With this burden rapidly increasing globally, utilizing prediction tools to assist decision-making and encourage individualized treatment planning is gradually becoming paramount in cancer diagnosis and management.Notably, many tools constructed on the backend of artificial intelligence (AI) algorithms have been shown to improve the predictive accuracy and clinical impact of risk prediction compared to clinical scenarios not utilizing these models [2].However, the actualisation of the potential of health care AI has mostly been assessed in high-income and resource-driven centres.The impact and efficiency of oncological AI-based prediction tools are expected to be better realised when applied in low-resource and rural settings fraught with a paucity of experienced clinicians and specialists.Africa is considered the most vulnerable continent in the world with regards to the availability of resources for optimal health care provision and comprises about 85.2% of countries that belong to the low-income/ lower-middle-income economies [3].Also, many individuals have to rely on underfunded public health care systems, even for lethal diseases like cancer, which may be further constrained by access to secondary or tertiary health centers and financial limitations [4].Therefore, AI prediction tools would prove beneficial in triaging patients before they present to health institutions, as well as for treatment selection of patients with precancer and cancer in such settings.Furthermore, these platforms could potentially be employed alongside other digitized systems such as telemedicine for remote consultations and Internet of Medical Things (IoMT) to improve referral strategies [5,6].We examine the implementation status of AI platforms for cancer outcomes in Africa and provide pointers that could maximize their utilization.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
على الصعيد العالمي، يعد السرطان من أكثر أسباب الوفاة شيوعًا، خاصة بين الأشخاص الذين تقل أعمارهم عن 70 عامًا [1]. مع تزايد هذا العبء بسرعة على مستوى العالم، أصبح استخدام أدوات التنبؤ للمساعدة في صنع القرار وتشجيع تخطيط العلاج الفردي أمرًا بالغ الأهمية تدريجياً في تشخيص السرطان وإدارته. ومن الجدير بالذكر أن العديد من الأدوات التي تم إنشاؤها على الواجهة الخلفية لخوارزميات الذكاء الاصطناعي (AI) قد ثبت أنها تحسن الدقة التنبؤية والتأثير السريري للتنبؤ بالمخاطر مقارنة بالسيناريوهات السريرية التي لا تستخدم هذه النماذج [2]. ومع ذلك، تم تقييم تحقيق إمكانات الذكاء الاصطناعي للرعاية الصحية في الغالب في المراكز ذات الدخل المرتفع والمدفوعة بالموارد. من المتوقع أن يتم تحقيق تأثير وكفاءة أدوات التنبؤ القائمة على الذكاء الاصطناعي للأورام بشكل أفضل عند تطبيقها في البيئات منخفضة الموارد والريفية المحفوفة بندرة الأطباء والمتخصصين ذوي الخبرة. تعتبر أفريقيا القارة الأكثر ضعفًا في العالم فيما يتعلق بتوافر الموارد لتوفير الرعاية الصحية المثلى وتضم حوالي 85.2 ٪ من البلدان التي تنتمي إلى الاقتصادات ذات الدخل المنخفض/ الدخل المتوسط الأدنى [3]. كما يتعين على العديد من الأفراد الاعتماد على نقص التمويل أنظمة الرعاية الصحية العامة، حتى بالنسبة للأمراض الفتاكة مثل السرطان، والتي قد تكون مقيدة بشكل أكبر بالوصول إلى المراكز الصحية الثانوية أو الثالثة والقيود المالية [4]. لذلك، ستثبت أدوات التنبؤ بالذكاء الاصطناعي فائدتها في تصنيف المرضى قبل تقديمهم إلى المؤسسات الصحية، وكذلك لاختيار علاج المرضى الذين يعانون من السرطان والسرطان في مثل هذه البيئات. علاوة على ذلك، يمكن استخدام هذه المنصات جنبًا إلى جنب مع الأنظمة الرقمية الأخرى مثل التطبيب عن بعد للاستشارات عن بعد وإنترنت الأشياء الطبية (IoMT) لتحسين استراتيجيات الإحالة [5،6]. نحن ندرس حالة تنفيذ منصات الذكاء الاصطناعي لنتائج السرطان في أفريقيا ونقدم مؤشرات يمكن أن تزيد من استخدامها إلى أقصى حد.Translated Description (French)
À l'échelle mondiale, le cancer se classe parmi les causes de décès les plus courantes, en particulier chez les personnes de moins de 70 ans [1]. Avec cette charge qui augmente rapidement à l'échelle mondiale, l'utilisation d'outils de prédiction pour aider à la prise de décision et encourager la planification individualisée du traitement devient progressivement primordiale dans le diagnostic et la gestion du cancer. Il a été démontré que de nombreux outils construits sur le backend des algorithmes d'intelligence artificielle (IA) améliorent la précision prédictive et l'impact clinique de la prédiction des risques par rapport aux scénarios cliniques n'utilisant pas ces modèles [2]. Cependant, l'actualisation du potentiel de l'IA des soins de santé a principalement été évaluée dans les centres à revenu élevé et axés sur les ressources.L' impact et l'efficacité des outils de prédiction basés sur l'IA oncologique devraient être mieux réalisés lorsqu'ils sont appliqués dans des environnements ruraux et à faibles ressources où les cliniciens et les spécialistes expérimentés sont rares.L' Afrique est considérée comme le continent le plus vulnérable au monde en ce qui concerne la disponibilité des ressources pour une prestation optimale des soins de santé et comprend environ 85,2 % des pays appartenant aux économies à faible revenu/à revenu intermédiaire inférieur [3].En outre, de nombreuses personnes doivent compter sur un financement insuffisant les systèmes de soins de santé publics, même pour les maladies mortelles comme le cancer, qui peuvent être davantage limités par l'accès aux centres de santé secondaires ou tertiaires et les limitations financières [4]. Par conséquent, les outils de prédiction de l'IA s'avéreraient bénéfiques pour trier les patients avant qu'ils ne se présentent aux établissements de santé, ainsi que pour la sélection du traitement des patients atteints de précancéreux et de cancer dans de tels contextes. En outre, ces plateformes pourraient potentiellement être utilisées aux côtés d'autres systèmes numérisés tels que la télémédecine pour les consultations à distance et l'Internet des objets médicaux (IoMT) pour améliorer les stratégies de référence [5,6]. Nous examinons l'état de mise en œuvre des plateformes d'IA pour les résultats du cancer en Afrique et fournissons des conseils qui pourraient maximiser leur utilisation.Translated Description (Spanish)
A nivel mundial, el cáncer se encuentra entre las causas más comunes de muerte, especialmente entre las personas menores de 70 años [1]. Con esta carga aumentando rápidamente a nivel mundial, la utilización de herramientas de predicción para ayudar a la toma de decisiones y fomentar la planificación individualizada del tratamiento se está convirtiendo gradualmente en primordial en el diagnóstico y el tratamiento del cáncer. En particular, se ha demostrado que muchas herramientas construidas en el backend de los algoritmos de inteligencia artificial (IA) mejoran la precisión predictiva y el impacto clínico de la predicción del riesgo en comparación con los escenarios clínicos que no utilizan estos modelos [2].Sin embargo, la actualización del potencial de la IA en la atención de la salud se ha evaluado principalmente en centros de altos ingresos y basados en recursos. Se espera que el impacto y la eficiencia de las herramientas de predicción basadas en IA oncológica se realicen mejor cuando se apliquen en entornos rurales y de bajos recursos cargados de una escasez de médicos y especialistas con experiencia. África se considera el continente más vulnerable del mundo con respecto a la disponibilidad de recursos para una prestación óptima de atención de la salud y comprende alrededor del 85,2% de los países que pertenecen a las economías de bajos ingresos/ingresos medios bajos [3].Además, muchas personas tienen que depender de la financiación insuficiente sistemas de salud pública, incluso para enfermedades letales como el cáncer, que pueden verse aún más limitadas por el acceso a centros de salud secundarios o terciarios y las limitaciones financieras [4]. Por lo tanto, las herramientas de predicción de IA resultarían beneficiosas para clasificar a los pacientes antes de que se presenten a las instituciones de salud, así como para la selección de tratamientos de pacientes con precáncer y cáncer en tales entornos. Además, estas plataformas podrían emplearse junto con otros sistemas digitalizados como la telemedicina para consultas remotas y el Internet de las Cosas Médicas (IoMT) para mejorar las estrategias de derivación [5,6]. Examinamos el estado de implementación de las plataformas de IA para los resultados del cáncer en África y proporcionamos indicadores que podrían maximizar su utilización.Files
jogh-12-03017.pdf.pdf
Files
(783.3 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:eff401148d4e2baaece67e5bfe40bda3
|
783.3 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- التنبؤ القائم على الذكاء الاصطناعي للنتائج المتعلقة بالسرطان في أفريقيا: الحالة والتحسينات المحتملة
- Translated title (French)
- Prédiction basée sur l'intelligence artificielle pour les résultats liés au cancer en Afrique : état et améliorations potentielles
- Translated title (Spanish)
- Predicción basada en inteligencia artificial para los resultados relacionados con el cáncer en África: estado y mejoras potenciales
Identifiers
- Other
- https://openalex.org/W4224306943
- DOI
- 10.7189/jogh.12.03017
References
- https://openalex.org/W2765701111
- https://openalex.org/W2793175985
- https://openalex.org/W2963771726
- https://openalex.org/W2966949018
- https://openalex.org/W2967059115
- https://openalex.org/W2970689563
- https://openalex.org/W3029385555
- https://openalex.org/W3045168954
- https://openalex.org/W3049254768
- https://openalex.org/W3080953901
- https://openalex.org/W3087461787
- https://openalex.org/W3089117938
- https://openalex.org/W3092444441
- https://openalex.org/W3118515560
- https://openalex.org/W3128646645
- https://openalex.org/W3131930716
- https://openalex.org/W3139012405
- https://openalex.org/W3156355834
- https://openalex.org/W3157143019
- https://openalex.org/W3157896304
- https://openalex.org/W3162651766
- https://openalex.org/W3177656130
- https://openalex.org/W3181482604
- https://openalex.org/W3184080525
- https://openalex.org/W3184144206
- https://openalex.org/W3192519463
- https://openalex.org/W3196209645
- https://openalex.org/W3198555736
- https://openalex.org/W3202528766
- https://openalex.org/W3208866949
- https://openalex.org/W3208980240
- https://openalex.org/W3211034094
- https://openalex.org/W4200120871
- https://openalex.org/W4200319565
- https://openalex.org/W4205805845
- https://openalex.org/W4206841872
- https://openalex.org/W4226284617