ثروت، نه رژیم غذایی، عامل اصلی تفاوت نرخ جهانی سرطان تیروئید است؛ یافته‌های یک مطالعه مبتنی بر یادگیری ماشین
سرطان تیروئید در سال‌های اخیر بی‌سروصدا به یکی از سرطان‌هایی تبدیل شده است که تشخیص آن در جهان با سرعت زیادی افزایش می‌یابد. تنها در سال ۲۰۲۲، بیش از ۸۲۱ هزار نفر در سراسر جهان به این بیماری مبتلا تشخیص داده شدند و نرخ بروز استانداردشده بر اساس سن طی سه دهه گذشته هر سال حدود ۳ تا ۴ درصد افزایش یافته است. بااین‌حال، تفاوت میان کشورها چشمگیر است: در برخی کشورهای جنوب صحرای آفریقا، کمتر از یک مورد در هر ۱۰۰ هزار نفر ثبت می‌شود، درحالی‌که این میزان در قبرس، کره جنوبی و پلی‌نزی فرانسه از ۲۵ تا ۳۰ مورد در هر ۱۰۰ هزار نفر فراتر می‌رود؛ یعنی اختلافی بیش از ۳۰ برابر. اکنون پژوهشی تازه که در مجله Frontiers in Oncology منتشر شده است، با استفاده از یادگیری ماشین به پرسشی به‌ظاهر ساده پرداخته است: چه سهمی از این تفاوت جهانی را می‌توان با آنچه مردم کشورها می‌خورند توضیح داد و چه سهمی به میزان ثروت آن‌ها مربوط است؟
پاسخ گروهی از پژوهشگران دانشگاه سه‌دره چین و بیمارستان‌های شهر یی‌چانگ، به سرپرستی ییشینگ لی، دهویی لیو، روی‌شوئه چین، شینگ‌چانگ لی و می لی، برای کسانی که امیدوارند رژیم غذایی کلید اصلی حل این معما باشد، چندان دلگرم‌کننده نیست. مدل‌های آن‌ها توانستند بخشی متوسط از تفاوت نرخ بروز سرطان تیروئید میان کشورها را توضیح دهند. بهترین مدل ترکیبی موسوم به «استکینگ» در ارزیابی خارج از نمونه آموزشی، ضریب تعیین (R²) برابر با ۰٫۶۱۳ و همبستگی رتبه‌ای ۰٫۹۰۱ میان نرخ‌های پیش‌بینی‌شده و مشاهده‌شده به دست آورد. بااین‌حال، تقریباً تمام توان پیش‌بینی مدل از شاخص‌های اجتماعی و اقتصادی ناشی می‌شد، نه از مواد غذایی. تنها ۹ متغیر توسعه، برگرفته از شاخص توسعه انسانی و زیرشاخص‌های امید به زندگی، آموزش و درآمد آن، به ضریب تعیین ۰٫۶۰۹ رسیدند. در مقابل، مدل مبتنی بر ۱۴۰ متغیر غذایی تنها مقدار ۰٫۲۸۴ را ثبت کرد. همچنین، افزودن مجموعه کامل متغیرهای غذایی به مدل پایه اجتماعی‌اقتصادی، در هیچ‌یک از خانواده‌های مدل بررسی‌شده به بهبودی منجر نشد که از نظر آماری با صفر تفاوت معناداری داشته باشد.
دقت روش‌شناختی پژوهش در بررسی همین نتیجه منفی است که به اعتبار آن می‌افزاید. گروه پژوهشی داده‌های چهار پایگاه عمومی را با یکدیگر تلفیق کرد: برآوردهای سرطان GLOBOCAN برای سال ۲۰۲۲، ترازنامه‌های غذایی FAOSTAT شامل ۱۱۳ قلم غذایی در فاصله سال‌های ۲۰۱۰ تا ۲۰۲۲، پیوست آماری گزارش توسعه انسانی برنامه توسعه سازمان ملل متحد در سال ۲۰۲۵ و داده‌های سازمان جهانی بهداشت درباره شیوع چاقی. حاصل این کار، مجموعه‌داده‌ای هماهنگ‌شده شامل ۱۶۳ کشور و ۱۵۵ متغیر بود. پژوهشگران ۱۳ الگوریتم رگرسیون را در چارچوب اعتبارسنجی متقاطع تودرتو ارزیابی کردند. در هر دور از اعتبارسنجی بیرونی، روش‌های جایگزینی داده‌های گمشده، استانداردسازی، انتخاب ویژگی با اجماع چهار روش و تنظیم ابرپارامترها از ابتدا و فقط با استفاده از بخش آموزشی دوباره اجرا شدند. به این ترتیب، هیچ‌یک از کشورهای کنارگذاشته‌شده در آموزش مدل پیش‌بینی‌کننده نرخ آن کشور دخالت نداشتند. برای محاسبه فاصله‌های اطمینان نیز کشورها در ۲۰۰۰ تکرار بوت‌استرپ، با جایگذاری مجدد نمونه‌گیری شدند. این روش تغییرپذیری واقعی ناشی از ۱۶۳ واحد تحلیل را در نظر می‌گرفت، نه صرفاً تفاوت‌های تصادفی حاصل از تقسیم‌بندی‌های دلخواه داده‌ها به بخش‌های اعتبارسنجی.
پژوهشگران همچنین بررسی کردند که آیا مدل‌ها می‌توانند فراتر از شباهت‌های جغرافیایی تعمیم پیدا کنند یا خیر. ازآنجاکه کشورهای همسایه معمولاً از نظر رژیم غذایی، زیرساخت ثبت موارد سرطان و شیوه‌های غربالگری به یکدیگر شباهت دارند، تقسیم تصادفی کشورها در بخش‌های اعتبارسنجی لزوماً استقلال واقعی ایجاد نمی‌کند. هنگامی که هر بار یک منطقه کامل از جهان کنار گذاشته شد، مدل‌ها توانستند ترتیب رتبه‌ای کشورها را با دقت نسبتاً خوبی حفظ کنند؛ همبستگی رتبه‌ای تجمیعی در این حالت ۰٫۸۱۳ بود. بااین‌حال، توانایی آن‌ها برای بازتولید نرخ‌های مطلق به‌طور محسوسی کاهش یافت. به بیان دیگر، مدل‌ها در انتقال رتبه کشورها از یک منطقه به منطقه دیگر موفق‌تر از پیش‌بینی سطح واقعی نرخ بیماری بودند. نویسندگان این نتیجه را نشانه‌ای می‌دانند از اینکه بخشی از دقت ظاهری مدل‌ها در اعتبارسنجی تصادفی، به حضور کشورهای هم‌منطقه در داده‌های آموزشی وابسته است. قبرس و کره جنوبی، دو کشور دارای بالاترین نرخ بروز که هر دو نمونه‌های مستندی از بیش‌تشخیصی ناشی از غربالگری هستند، در همه مدل‌ها کمتر از مقدار واقعی برآورد شدند. این موضوع نشان می‌دهد که شدت تشخیص و بررسی‌های پزشکی اندازه‌گیری‌نشده، احتمالاً بهتر از ترکیب غذایی می‌تواند این اختلاف را توضیح دهد.
بااین‌حال، این پژوهش صرفاً درباره ثروت کشورها نیست. هنگامی که محققان از پیش‌بینی به بررسی ارتباط‌های آماری تعدیل‌شده از نظر عوامل مخدوش‌کننده روی آوردند، یک الگوی مشخص غذایی همچنان قابل مشاهده بود. در مدلی با مجموعه تعدیل گسترده‌تر که شاخص توسعه انسانی، سه زیرشاخص آن، شیوع چاقی و اثرات ثابت منطقه‌ای را در بر می‌گرفت، پنج متغیر پس از اصلاح بنجامینی–هوچبرگ برای مقایسه‌های متعدد، همبستگی جزئی مثبت و معناداری با نرخ بروز سرطان تیروئید نشان دادند: عرضه غذاهای دریایی با همبستگی جزئی ۰٫۱۹۶ و مقدار q برابر با ۰٫۰۳۱؛ عرضه لبنیات با همبستگی ۰٫۱۹۸ و q برابر با ۰٫۰۳۱؛ شاخص دسترسی به غذاهای غنی از ید با همبستگی ۰٫۲۲۴ و q برابر با ۰٫۰۲۶؛ نسبت پروتئین حیوانی به پروتئین گیاهی با همبستگی ۰٫۲۶۰ و q برابر با ۰٫۰۱۱؛ و نرم‌تنان با همبستگی ۰٫۲۰۳ و q برابر با ۰٫۰۳۱. پروتئین گیاهی که پیش از تعدیل با نرخ بروز رابطه‌ای معکوس نشان می‌داد، پس از اصلاح برای تعدد آزمون‌ها دیگر ارتباط معناداری نداشت. نویسندگان این نتیجه منفی را صریح گزارش کردند و آن را به‌اشتباه نشانه‌ای از اثر محافظتی معرفی نکردند.
شاخص دسترسی به غذاهای غنی از ید، مستحکم‌ترین یافته پژوهش است و گروه تحقیق آن را با دقتی ویژه بررسی کرد. این شاخص عرضه سرانه ملی غذاهای دریایی، لبنیات و تخم‌مرغ را با هم ترکیب می‌کند؛ سه گروه غذایی که سازمان جهانی بهداشت و سازمان خواربار و کشاورزی ملل متحد آن‌ها را از منابع اصلی ید در رژیم غذایی جهان معرفی کرده‌اند. در فرمول اصلی، مقدار شاخص از مجموع عرضه غذاهای دریایی، به‌علاوه ۰٫۱۰ برابر عرضه لبنیات و ۰٫۰۵ برابر عرضه تخم‌مرغ محاسبه شد. ازآنجاکه چنین وزن‌دهی‌ای یک انتخاب تحلیلی است، نه اندازه‌گیری مستقیم، پژوهشگران شاخص ترکیبی را با چهار روش جایگزین، از جمله وزن‌دهی برابر، استانداردسازی متغیرها و وزن‌دهی بر اساس محتوای ید، دوباره ساختند. ارتباط مشاهده‌شده در تمام این روش‌ها حفظ شد و همبستگی‌های جزئی پس از تعدیل گسترده بین ۰٫۱۹۶ تا ۰٫۲۵۶ قرار گرفتند. هنگامی که غذاهای دریایی و لبنیات جداگانه وارد مدل شدند، ارتباط هر دو با نرخ بروز همچنان معنادار بود، اما تخم‌مرغ با وجود داشتن همبستگی خامی در همین حدود، چنین ارتباطی نشان نداد.
پژوهشگران برای بررسی اختصاصی‌بودن این الگو، شاخص دیگری نیز ساختند که عرضه غذاهای حیوانی کم‌یُد، از جمله گوشت گاو، خوک، طیور، گوسفند و بز را در بر می‌گرفت. این شاخص پیش از تعدیل، با ضریب همبستگی رتبه‌ای ۰٫۳۰۹، بیشترین همبستگی خام را در میان تمام متغیرهای بررسی‌شده داشت؛ اما پس از تعدیل دیگر ارتباط معناداری باقی نماند. در مجموعه تعدیل گسترده، همبستگی جزئی آن به ۰٫۱۰۲ و مقدار q به ۰٫۱۹۸ رسید. بنابراین، ارتباط غذاهای حیوانی با کمترین میزان ید، دقیقاً پس از حذف اثر عوامل مخدوش‌کننده از بین رفت.
چه مقدار از ارتباط میان مصرف غذاهای دریایی و نرخ بروز سرطان تیروئید در واقع بازتاب سطح توسعه ملی است؟ پژوهشگران با استفاده از تجزیه توصیفی مسیر، بر اساس چارچوب بارون و کنی و صرفاً در سطح داده‌های کلان جمعیتی، ارتباط کلی را به دو بخش تقسیم کردند: بخشی که از مسیر شاخص توسعه انسانی توضیح داده می‌شد و بخشی که به‌صورت ارتباط مستقیم باقی می‌ماند. برآورد نقطه‌ای نشان داد که مسیر مرتبط با شاخص توسعه انسانی، ۵۰٫۲ درصد از همبستگی میان عرضه غذاهای دریایی و نرخ بروز را توضیح می‌دهد. بااین‌حال، فاصله بوت‌استرپ این سهم از ۱۶ تا ۹۰ درصد متغیر بود. بنابراین، این عدد را باید برآوردی تقریبی در حدود نیمی از ارتباط، همراه با عدم‌قطعیت گسترده، دانست؛ نه تفکیکی دقیق و قطعی. بخش باقی‌مانده با تحلیل ارتباط‌های تعدیل‌شده سازگار است؛ تحلیلی که در آن عرضه غذاهای دریایی پس از در نظر گرفتن توسعه، چاقی و جغرافیا همچنان همبستگی جزئی مثبتی داشت. بااین‌حال، نویسندگان درباره این ارتباط ادعای علیت نمی‌کنند. این تحلیل بر داده‌های مقطعی و کلان جمعیتی استوار است و عوامل اندازه‌گیری‌نشده‌ای مانند سابقه مواجهه با پرتوها، برنامه‌های ملی یددار کردن نمک و استعداد ژنتیکی همچنان می‌توانند توضیح‌های جایگزین محتملی باشند.
تحلیل تکمیلی مرگ‌ومیر نیز نکته مهمی برای تفسیر یافته‌ها به دست می‌دهد. سرطان تیروئید معمولاً نرخ بقای بالایی دارد و میزان بروز ثبت‌شده آن به‌شدت تحت تأثیر شدت تشخیص است؛ در مقابل، مرگ‌ومیر این بیماری نسبت به شناسایی تومورهای کوچک و کم‌تهاجمی از طریق غربالگری حساسیت کمتری دارد. متغیرهای غذایی در تحلیل مرگ‌ومیر نیز همان ترتیب مشاهده‌شده در تحلیل بروز را دنبال کردند؛ بنابراین، ارتباط‌های مربوط به بروز صرفاً الگویی نبودند که فقط در یک پیامد حساس به تشخیص دیده شود. بااین‌حال، ارتباط این متغیرها با نسبت مرگ‌ومیر به بروز نزدیک به صفر یا منفی بود؛ برای مثال، ضریب همبستگی رتبه‌ای شاخص توسعه انسانی ۰٫۰۵۳ و برای غذاهای دریایی ۰٫۰۶۵ بود. ازآنجاکه این نسبت در مقایسه با نرخ بروز حساسیت کمتری به شدت تشخیص دارد، این تفاوت نشان می‌دهد که همبستگی‌های کلان جمعیتی تا حد زیادی از مسیر شناسایی و تشخیص موارد بیماری عمل می‌کنند، نه از مسیر احتمال مرگ بیماران. نویسندگان تأکید می‌کنند که این تحلیل صرفاً آزمونی برای بررسی سازگاری یافته‌های اصلی است و نتیجه‌ای مستقل به شمار نمی‌رود.
این مطالعه همچنین عملکرد یک مدل عمیق برای داده‌های جدولی با ابعاد بالا، به نام DynaTab، را با برآوردگرهای متعارف و در چارچوب تودرتوی یکسان مقایسه کرد. مقدار ضریب تعیین تجمیعی این مدل در پیش‌بینی‌های خارج از نمونه آموزشی ۰٫۶۲۶ بود؛ رقمی که از نظر آماری با عملکرد مدل ترکیبی استکینگ و جنگل تصادفی قابل مقایسه بود و فاصله‌های اطمینان آن‌ها هم‌پوشانی بسیار زیادی داشت. بنابراین، یک مدل تخصصی برای داده‌های پُربُعد توانست به دقت پیش‌بینی روش‌های متعارف برسد، اما نتوانست آن را به‌طور معناداری متحول کند. این نتیجه، یافته مربوط به سهم گروه‌های متغیر را نیز تغییر نداد؛ زیرا آن یافته به این پرسش می‌پردازد که کدام دسته از متغیرها تفاوت میان کشورها را توضیح می‌دهند، نه اینکه کدام الگوریتم بهتر می‌تواند اطلاعات موجود را استخراج کند. در تحلیل طبقه‌بندی حساسیت نیز مدل Extra Trees در صورت تقسیم کشورها بر اساس میانه نرخ بروز، به سطح زیر منحنی ۰٫۹۳۲ رسید. بااین‌حال، نویسندگان هشدار می‌دهند که تبدیل یک نرخ پیوسته و دارای توزیع نامتقارن به دو گروه، مسئله را به‌طور مصنوعی آسان می‌کند؛ ازاین‌رو، این نتیجه را نباید شاهدی بر کاربرد بالینی مدل دانست.
مهم‌ترین محدودیت پژوهش به این موضوع مربوط می‌شود که شاخص دسترسی به غذاهای غنی از ید دقیقاً چه چیزی را اندازه می‌گیرد و چه چیزی را نمی‌سنجد. این شاخص میزان دسترسی ملی به گروه‌های غذایی را نشان می‌دهد، نه مقدار ید دریافتی افراد، وضعیت ید بدن آن‌ها یا میزان مواجهه هر فرد با این عنصر. ترازنامه‌های غذایی میزان عرضه را ثبت می‌کنند، نه مصرف واقعی را؛ بنابراین، ضایعات، فساد مواد غذایی و توزیع نابرابر آن‌ها را نیز در نظر نمی‌گیرند. میزان ید موجود در هر گروه غذایی می‌تواند بر اساس روش تولید، مقدار ید خاک و آب، ترکیب خوراک دام و فرایندهای فرآوری تفاوت چشمگیری داشته باشد. برای مثال، یک کیلوگرم شیر در یک کشور لزوماً از نظر ارزش تغذیه‌ای با همین مقدار شیر در کشوری دیگر برابر نیست. مهم‌تر از همه، در بیشتر کشورها بزرگ‌ترین عامل تعیین‌کننده دریافت ید، نه هیچ‌یک از این گروه‌های غذایی، بلکه یددار کردن نمک است؛ عاملی که FAOSTAT آن را اندازه‌گیری نمی‌کند و امکان تعدیل آن در سطح کشورها وجود نداشت. نویسندگان در سراسر مقاله یافته خود را ارتباط میان دسترسی به گروه‌های غذایی غنی از ید و نرخ بروز سرطان تیروئید توصیف می‌کنند و آن را به‌هیچ‌وجه ارتباطی اثبات‌شده میان میزان مواجهه با ید و این بیماری نمی‌دانند.
درس روش‌شناختی این پژوهش به‌اندازه فرضیه غذایی آن اهمیت دارد. در این مجموعه‌داده، افزودن ۱۴۰ متغیر غذایی به ۹ شاخص توسعه، بهبودی در پیش‌بینی ایجاد نکرد که فاصله‌های اطمینان بوت‌استرپ بتوانند آن را از صفر متمایز کنند. در مقابل، رتبه‌بندی اهمیت متغیرها در مدل‌ها عمدتاً تحت سلطه زیرشاخص‌های درآمد و امید به زندگی بود. پژوهش‌های یادگیری ماشین مبتنی بر داده‌های کلان جمعیتی که پیش‌بینی‌کننده‌های غذایی بار سرطان را بدون در نظر گرفتن یک خط پایه اجتماعی‌اقتصادی مشخص، طراحی اعتبارسنجی عاری از نشت اطلاعات و اصلاح آماری برای آزمون‌های متعدد معرفی می‌کنند، در معرض این خطر قرار دارند که اثر توسعه را به‌اشتباه به رژیم غذایی نسبت دهند.
بااین‌حال، نتیجه مثبت این مطالعه به فرضیه مشخصی مربوط می‌شود که پژوهش برای آزمودن آن طراحی شده بود: دسترسی به گروه‌های غذایی حیوانی غنی از ید، حتی پس از تعدیل از نظر سطح توسعه، وضعیت متابولیک و جغرافیا، اصلاح برای مقایسه‌های متعدد و آزمودن روش‌های مختلف ساخت شاخص در برابر یک شاخص کنترلی از غذاهای کم‌یُد، همچنان ارتباط مثبتی با نرخ بروز سرطان تیروئید دارد. این فرضیه ارزش بررسی در پژوهش‌هایی را دارد که امکان آزمودن دقیق‌تر آن را فراهم می‌کنند؛ از جمله مطالعات هم‌گروهی با ارزیابی معتبر رژیم غذایی و اندازه‌گیری ید ادرار، سنجش مستقیم میزان استفاده از تصویربرداری تیروئید و پوشش برنامه‌های یددار کردن نمک در کشورها، استفاده از روش تصادفی‌سازی مندلی برای مقابله با مخدوش‌کنندگی از طریق طراحی پژوهش، و مدل‌های طولی که در آن‌ها مواجهه پیش از بروز پیامد اندازه‌گیری می‌شود. تا زمانی که چنین شواهدی به دست نیامده است، این یافته‌ها صرفاً همبستگی‌هایی در سطح جمعیت هستند و نباید مبنای توصیه‌های غذایی برای افراد قرار گیرند.
موضوع پژوهش: تحلیل کلان جمعیتی با یادگیری ماشین درباره ارتباط بروز جهانی سرطان تیروئید با عوامل غذایی و اجتماعی‌اقتصادی.
عنوان مقاله پژوهشی: بروز جهانی سرطان تیروئید در ارتباط با عوامل غذایی و اجتماعی‌اقتصادی: مطالعه‌ای کلان جمعیتی مبتنی بر یادگیری ماشین.
منبع علمی: Li, Y., Liu, D., Qin, R., Li, X., & Li, M. (2026). Global thyroid cancer incidence in relation to dietary and socioeconomic factors: an ecological machine learning study. Frontiers in Oncology, 16, Article 1842508. https://doi.org/10.3389/fonc.2026.1842508
شناسه دیجیتال مقاله (DOI): 10.3389/fonc.2026.1842508
منبع خبر: ناتانیل بومن، ۱۷ اکتبر ۲۰۲۶، «ثروت، نه رژیم غذایی، عامل تفاوت نرخ جهانی سرطان تیروئید است؛ یافته‌های یک مطالعه مبتنی بر یادگیری ماشین»، Scienmag.