یادگیری ماشین از ارتباط‌های متفاوت رژیم غذایی با خطر پیش‌بینی‌شده سرطان پوست در سالمندان پرده برمی‌دارد
تحلیل یک مدل یادگیری ماشین تفسیرپذیر، بر پایه داده‌های دو دوره از پیمایش ملی سلامت و تغذیه آمریکا (NHANES)، نشان داد که شاخص‌های غذایی در پیش‌بینی شیوع سرطان پوست غیرملانومیِ گزارش‌شده توسط خود افراد در میان بزرگسالان ۶۰ ساله و بالاتر نقش دارند؛ با این حال، ارتباط‌های شناسایی‌شده یکدست نبودند و نمی‌توان همه ترکیبات غذایی را محافظت‌کننده یا زیان‌بار دانست. مدل نهایی متغیرهای جمعیت‌شناختی، سبک زندگی و رژیم غذایی، از جمله فلاونوئیدهای مشخص، کافئین، روی و نیاسین را ترکیب کرد. سن قوی‌ترین عامل پیش‌بینی‌کننده بود، در حالی که سهم ترکیبات غذایی مختلف تفاوت داشت. این یافته‌ها ارتباط‌هایی را توصیف می‌کنند که مدل شناسایی کرده است و نشان نمی‌دهند که مصرف، پرهیز از مصرف یا استفاده از مکمل‌های حاوی هر یک از این مواد مغذی باعث بروز سرطان پوست یا پیشگیری از آن می‌شود.
پژوهشگران داده‌های مربوط به دوره‌های ۲۰۰۷ تا ۲۰۱۰ و ۲۰۱۷ تا ۲۰۱۸ پیمایش NHANES را بررسی کردند که در مجموع ۲۹٬۹۴۰ شرکت‌کننده داشتند. این دوره‌های غیرمتوالی انتخاب شدند، زیرا هم اطلاعات پرسش‌نامه‌ای موردنیاز درباره سرطان و هم داده‌های تفصیلی تغذیه‌ای را در بر می‌گرفتند. پس از کنار گذاشتن افراد زیر ۶۰ سال، افرادی که اطلاعاتی درباره وضعیت ابتلا به سرطان پوست غیرملانومی نداشتند و کسانی که داده‌های غذایی یا متغیرهای کمکی آن‌ها ناقص بود، نمونه نهایی به ۳۷۲۹ سالمند رسید. از این تعداد، ۳۶۰۷ نفر اعلام کردند که به سرطان پوست غیرملانومی مبتلا نشده‌اند و ۱۲۲ نفر سابقه تشخیص این بیماری را گزارش کردند. وضعیت ابتلا بر اساس یکی از پرسش‌های بخش بیماری‌های پزشکی پرسش‌نامه تعیین شد و با بررسی بافت‌شناختی تأیید نشد. همچنین، پرسش‌نامه اطلاعاتی برای تفکیک کارسینوم سلول بازال، کارسینوم سلول سنگفرشی یا دیگر زیرگونه‌های بافت‌شناختی ارائه نمی‌کرد.
دو گروه از نظر چندین ویژگی جمعیت‌شناختی، اجتماعی‌اقتصادی، متابولیک و تغذیه‌ای تفاوت داشتند. میانگین سن افراد گروه مبتلا به سرطان پوست غیرملانومی از گروه شاهد بیشتر بود: ۷۳٫۵۷ سال در برابر ۶۹٫۴۵ سال. همچنین، ۹۴٫۳ درصد از افراد گروه مبتلا سفیدپوستان غیرلاتین بودند، در حالی که این نسبت در گروه شاهد ۴۸٫۶ درصد بود. در گروه مبتلا، سهم افرادی که تحصیلات بالاتر از دیپلم داشتند، نسبت درآمد خانوار به خط فقر آن‌ها بیش از ۳ بود و در زمان بررسی الکل مصرف می‌کردند، بیشتر بود. میانگین امتیاز تعادل اکسیداتیو این گروه بالاتر و میانگین شاخص التهابی رژیم غذایی آن پایین‌تر بود. میانگین دریافت گزارش‌شده ویتامین E، روی، کلسیم، منیزیم، مجموع آنتوسیانیدین‌ها و چند فلاونوئید مشخص نیز بیشتر بود. این تفاوت‌ها صرفاً اختلاف‌های اندازه‌گیری‌شده میان دو گروه‌اند، نه شواهدی از اثرگذاری مواد مغذی. افرادی که پیش‌تر به سرطان پوست مبتلا شده‌اند ممکن است رژیم غذایی خود را تغییر داده باشند و طراحی مقطعی پیمایش مشخص نمی‌کند که کدام‌یک از این وضعیت‌ها زودتر رخ داده است.
میزان دریافت مواد غذایی بر اساس دو مصاحبه یادآمد خوراک ۲۴ ساعته برآورد شد که با فاصله سه تا ۱۰ روز انجام گرفته بودند. میانگین دریافت روزانه نیز با استفاده از هر دو مصاحبه محاسبه شد. متغیرهای مورد بررسی شامل درشت‌مغذی‌ها، ریزمغذی‌ها، کافئین، زیرگروه‌های فلاونوئیدی و چهار شاخص ترکیبی بود: شاخص ترکیبی آنتی‌اکسیدانی رژیم غذایی، امتیاز تعادل اکسیداتیو، شاخص تغذیه سالم سال ۲۰۱۵ و شاخص التهابی رژیم غذایی. برای برآورد مقادیر گمشده، از روش missForest استفاده شد؛ روشی تکرارشونده و ناپارامتری مبتنی بر جنگل تصادفی که داده‌هایی با انواع مختلف را مدیریت می‌کند.
پژوهشگران در مرحله نخست، رگرسیون لجستیک، روش لاسو (LASSO؛ رگرسیون با کوچک‌سازی و انتخاب مطلق کمترین مقدار) و جنگل تصادفی را برای انتخاب اولیه ویژگی‌ها با یکدیگر مقایسه کردند. سپس اهمیت متغیرها با استفاده از جنگل تصادفی رتبه‌بندی شد و متغیرهایی که ضریب همبستگی مطلق پیرسون آن‌ها با یکدیگر بیش از ۰٫۷۰ بود، حذف شدند. در نتیجه، شش متغیر هم‌بسته شامل مجموع فلاونول‌ها، مس، مجموع فلاونوئیدها، ویتامین B12، ویتامین B6 و تیامین کنار گذاشته شدند و ۲۴ ویژگی نسبتاً مستقل باقی ماندند. برای مقابله با عدم توازن چشمگیر تعداد موارد ابتلا و افراد شاهد، فقط روی مجموعه داده‌های آموزشی از روش بیش‌نمونه‌گیری اقلیت مصنوعی (SMOTE) استفاده شد. مجموعه آزمون جداگانه، بدون بیش‌نمونه‌گیری، کم‌نمونه‌گیری یا هر نوع بازنمونه‌گیری دیگر، دست‌نخورده باقی ماند.
دوازده الگوریتم روی مجموعه آزمون دست‌نخورده ارزیابی شدند: رگرسیون لجستیک، ماشین بردار پشتیبان، جنگل تصادفی، XGBoost، LightGBM، پرسپترون چندلایه، نزدیک‌ترین همسایه با هسته، بیز ساده گاوسی، درخت‌های بسیار تصادفی، تقویت تطبیقی، درخت تصمیم مبتنی بر گرادیان تقویتی و تحلیل تفکیک خطی. پژوهشگران مساحت زیر منحنی مشخصه عملکرد گیرنده (AUC)، فاصله‌های اطمینان ۹۵ درصد، دقت کلی، ارزش اخباری مثبت، حساسیت، ویژگی، دقت متوازن، ضریب همبستگی متیوز، امتیاز F1، کالیبراسیون و تحلیل منحنی تصمیم را بررسی کردند.
تحلیل تفکیک خطی و رگرسیون لجستیک با مقدار AUC برابر با ۰٫۷۴۲ بالاترین عملکرد را در این شاخص به دست آوردند. فاصله اطمینان ۹۵ درصد برای تحلیل تفکیک خطی ۰٫۶۶۶ تا ۰٫۸۱۵ و برای رگرسیون لجستیک ۰٫۶۶۸ تا ۰٫۸۱۵ بود. پژوهشگران تحلیل تفکیک خطی را به‌عنوان مدل نهایی با هدف غربالگری انتخاب کردند، زیرا حساسیت آن ۰٫۷۳۰، دقت متوازن آن ۰٫۷۰۳ و ضریب همبستگی متیوز آن ۰٫۱۵۳ بود. دقت کلی این مدل ۰٫۶۷۷، ارزش اخباری مثبت آن ۰٫۰۷۱ و ویژگی آن ۰٫۶۷۶ گزارش شد.
تفاوت میان توانایی مدل‌ها در تفکیک موارد ابتلا و دقت کلی آن‌ها چشمگیر بود. مدل‌های درخت‌های بسیار تصادفی و جنگل تصادفی به دقت کلی بیش از ۰٫۹۳ دست یافتند، اما حساسیت آن‌ها به‌ترتیب فقط ۰٫۰۸۱ و ۰٫۱۳۵ بود؛ یعنی بیشتر موارد سرطان پوست غیرملانومی در مجموعه آزمون شناسایی نشدند. دقت کلی بالای این مدل‌ها عمدتاً ناشی از تعداد بسیار بیشتر افراد گروه شاهد بود. در مقابل، تحلیل تفکیک خطی توانست ۷۳ درصد موارد ابتلا را شناسایی کند و در عین حال ویژگی ۶۷٫۶ درصدی خود را حفظ کند؛ بنابراین، میان شناسایی بیماران و مثبت کاذب تعادل مناسب‌تری برقرار کرد.
با این حال، ارزش اخباری مثبت مدل همچنان پایین و برابر با ۰٫۰۷۱ بود که با شیوع اندک پیامد مورد بررسی در نمونه سازگار است. منحنی‌های کالیبراسیون نشان دادند که احتمال‌های پیش‌بینی‌شده مدل در مجموع با پیامدهای مشاهده‌شده هم‌خوانی داشتند. همچنین، تحلیل منحنی تصمیم نشان داد که این مدل در دامنه گسترده‌ای از آستانه‌های احتمال، سودمندی خالص بیشتری از مدل‌های دیگر دارد. با وجود این، توان تفکیک متوسط و ارزش اخباری مثبت بسیار پایین مدل به این معناست که خروجی‌های آن را نباید شواهد تشخیصی تلقی کرد.
پژوهشگران برای بررسی سهم هر ویژگی در پیش‌بینی‌های مدل تحلیل تفکیک خطی از روش توضیحات افزایشی شاپلی (SHAP) استفاده کردند. سن با میانگین مقدار مطلق SHAP برابر با ۰٫۷۱، عامل غالب بود. افزایش سن احتمال پیش‌بینی‌شده را بالا می‌برد و این اثر در حدود ۷۰ سالگی پررنگ‌تر می‌شد. در میان متغیرهای غذایی، لوتئولین با مقدار ۰٫۴۹، مجموع فلاون‌ها با ۰٫۴۴، کافئین با ۰٫۳۶، روی با ۰٫۳۲ و نیاسین با ۰٫۲۹ مهم‌ترین عوامل بودند.
مقادیر بالاتر لوتئولین، کافئین و روی عموماً پیش‌بینی مدل را به سمت خطر بیشتر سوق می‌دادند؛ در مقابل، مقادیر بالاتر مجموع فلاون‌ها، کوئرستین و کامفرول معمولاً با پیش‌بینی خطر کمتر همراه بودند. سهم نیاسین در مدل عمدتاً در جهت کاهش پیش‌بینی خطر بود، هرچند تحلیل تفصیلی از احتمال وجود تعامل میان مواد مغذی نیز حکایت داشت؛ از جمله الگویی معکوس میان سلنیوم و نیاسین. در یک نمونه مشخص با پیش‌بینی خطر بالای ۰٫۹۹۸، کافئین با مقدار SHAP برابر با مثبت ۴٫۶۶ و الکل با مقدار مثبت ۴٫۱۹ بیشترین سهم را در افزایش پیش‌بینی داشتند. در جهت مخالف، کامفرول با مقدار منفی ۱٫۵۰ و نیاسین با مقدار منفی ۱٫۰۶ بیشترین سهم را در کاهش آن ایفا کردند.
این ارتباط‌های ظاهراً غیرمنتظره ممکن است بازتاب پیچیدگی رابطه میان رژیم غذایی، سالمندی و انباشت مواجهه با نور خورشید باشند، نه نشانه‌ای از زیان‌بار بودن غذاهای سرشار از آنتی‌اکسیدان. روی در عملکرد آنزیم‌های آنتی‌اکسیدانی و سیستم ایمنی نقش دارد، اما پژوهشگران خاطرنشان کردند که دریافت بیش از حد آن ممکن است از طریق مهار رقابتی جذب مس در روده، تعادل اکسایش‌کاهش وابسته به مس را مختل کند. در این داده‌ها، میانگین دریافت روزانه روی در افراد مبتلا به سرطان پوست غیرملانومی ۱۱٫۲۹ میلی‌گرم بود، در حالی که این میزان در گروه شاهد به ۹٫۹۹ میلی‌گرم می‌رسید.
کافئین نیز در مدل با افزایش خطر پیش‌بینی‌شده ارتباط داشت؛ نتیجه‌ای که با برخی گزارش‌های مشاهده‌ای پیشین هم‌خوان نبود. لوتئولین در سامانه‌های آزمایشگاهی فعالیت‌های ضدالتهابی و ضدپیری نشان داده است، اما غلظت‌های مورد استفاده در مطالعات آزمایشگاهی ممکن است بسیار بالاتر از مقادیری باشند که از طریق غذا دریافت می‌شوند. افزون بر این، سوخت‌وساز و فراهمی زیستی این ترکیب، میزان مواجهه سیستمیک بدن با آن را محدود می‌کند. از سوی دیگر، سهم معکوس کوئرستین و کامفرول در پیش‌بینی مدل با یافته‌های حاصل از مطالعات آزمایشی پوست درباره مسیرهای پیام‌رسانی مرتبط با پرتو فرابنفش، التهاب و سرطان‌زایی هم‌خوانی دارد. این سازوکارها فرضیه‌هایی برای پژوهش‌های بیشتر فراهم می‌کنند، اما ثابت نمی‌کنند که دریافت معمول این ترکیبات از طریق رژیم غذایی از سرطان پوست در انسان پیشگیری می‌کند.
این مطالعه همچنین نشان می‌دهد که چرا دقت کلی می‌تواند در مسائل پزشکی با داده‌های نامتوازن گمراه‌کننده باشد. از میان ۳۷۲۹ شرکت‌کننده، تنها ۱۲۲ نفر به سرطان پوست غیرملانومی مبتلا بودند. بنابراین، مدلی که تقریباً همه افراد را در گروه شاهد قرار دهد، ممکن است دقت کلی بالایی داشته باشد، اما در شناسایی موارد نادر عملکرد ضعیفی نشان دهد. به همین دلیل، پژوهشگران علاوه بر کالیبراسیون و سودمندی بالینی، بر حساسیت، AUC، دقت متوازن و ضریب همبستگی متیوز تأکید کردند.
توضیحات SHAP بررسی مدل انتخاب‌شده را آسان‌تر می‌کند، اما پیش‌بینی مبتنی بر ارتباط آماری را به شواهد علّی تبدیل نمی‌کند. ممکن است یک ویژگی بر پیش‌بینی اثر بگذارد، زیرا نشانگر عاملی اندازه‌گیری‌نشده است؛ برای مثال، شرایط اجتماعی‌اقتصادی، کار در فضای باز، میزان مواجهه با نور خورشید یا تغییر رفتار پس از تشخیص بیماری. در چنین شرایطی، آن ویژگی لزوماً به‌طور مستقل موجب بیماری نشده است. به همین ترتیب، رتبه‌بندی کافئین و برخی فلاونوئیدها به‌عنوان عوامل افزایش‌دهنده خطر در مدل، به معنای اثبات اثرات زیان‌بار این مواد غذایی یا رد قطعی یافته‌های گسترده‌تر پژوهشی نیست؛ بلکه نشان‌دهنده ارتباط‌هایی است که باید در مطالعات آینده‌نگر بررسی شوند.
چند محدودیت، دامنه تفسیر یافته‌ها را محدود می‌کند. طراحی مقطعی مطالعه امکان استنباط رابطه علت و معلولی را نمی‌دهد و در معرض علیت معکوس قرار دارد؛ از جمله احتمال تغییر رژیم غذایی پس از تشخیص سرطان پوست. اطلاعات خوداظهاری درباره ابتلا به سرطان ممکن است با خطاهای یادآوری یا گزارش همراه باشد و امکان تشخیص بالینی یا تفکیک زیرگونه‌های بیماری را فراهم نمی‌کند. دوره‌های بررسی‌شده در پیمایش نیز ممکن است بازتاب‌دهنده رژیم‌های غذایی، مصرف مکمل‌ها، شیوه‌های محافظت در برابر آفتاب یا الگوهای غربالگری پوستی در زمان حاضر نباشند.
مهم‌تر از همه، داده‌های در دسترس فاقد متغیرهای کلیدی مرتبط با پرتو فرابنفش بودند؛ از جمله میزان مواجهه با نور خورشید در طول عمر، مواجهه شغلی و تفریحی، استفاده از ضدآفتاب و رفتارهای مرتبط. سن، نژاد، موقعیت اجتماعی‌اقتصادی، سیگار کشیدن، مصرف الکل، شاخص توده بدنی و دیگر ویژگی‌های اندازه‌گیری‌شده نمی‌توانستند این کمبود اطلاعات را به‌طور کامل جبران کنند. برای بررسی اینکه آیا الگوهای غذایی شناسایی‌شده در جمعیت‌های متنوع‌تر نیز پایدار می‌مانند و آیا اهمیت علّی یا بالینی دارند، به مطالعات طولی بزرگ‌تری نیاز است که مواجهه با پرتو فرابنفش، اطلاعات ژنتیکی و نشانگرهای زیستی را نیز در بر بگیرند. در حال حاضر، بهتر است این تحلیل را نقشه‌ای از ارتباط‌های ظریف در یک مجموعه داده مشاهده‌ای بدانیم، نه توصیه‌ای تغذیه‌ای برای پیشگیری از سرطان پوست.
موضوع پژوهش: یادگیری ماشین تفسیرپذیر برای بررسی الگوهای آنتی‌اکسیدانی رژیم غذایی و سرطان پوست غیرملانومیِ گزارش‌شده توسط خود افراد در سالمندان.
عنوان مقاله: از همه‌گیرشناسی تغذیه تا پیش‌بینی بالینی: یادگیری ماشین تفسیرپذیر، ارتباط‌های ظریف میان الگوهای آنتی‌اکسیدانی رژیم غذایی و سرطان پوست غیرملانومی در سالمندان را آشکار می‌کند.
منبع مقاله: Yu, B. H., Kang, J. Y., & Kim, K. E. (2026). From Nutritional Epidemiology to Clinical Prediction: Interpretable Machine Learning Reveals Subtle Associations Between Dietary Antioxidant Profiles and Non-Melanoma Skin Cancer in Older Adults. Food Science & Nutrition, 14(10), Article e72458. https://doi.org/10.1002/fsn3.72458
شناسه دیجیتال مقاله (DOI): 10.1002/fsn3.72458
کلیدواژه‌ها: NHANES، سرطان پوست غیرملانومی، یادگیری ماشین، آنتی‌اکسیدان‌های غذایی، سالمندان، فلاونوئیدها، تحلیل SHAP، همه‌گیرشناسی تغذیه، پیش‌بینی خطر، تغذیه، همه‌گیرشناسی، پیش‌بینی بالینی.