هوش مصنوعی جایگزین بافت‌برداری در تشخیص سرطان مغز می‌شود
پژوهشگران مصنوعی، یک مدل مبتنی بر هوش مصنوعی ابداع کرده‌اند که می‌تواند نیاز به بافت‌برداری را برای تشخیص سرطان مغز برطرف کند.
به گزارش ایسنا و به نقل از مدیکال‌اکسپرس، شاید بیماران مبتلا به سرطان مغز در سال‌های آینده، مجبور نباشند برای مشخص شدن بهترین نوع درمان تومور، بافت‌برداری را انجام دهند.
پژوهشی که در "مرکز پزشکی دانشگاه تگزاس شعبه جنوب‌غربی" (UTSW) انجام شده است، نشان می‌دهد که هوش مصنوعی می‌تواند با بررسی تصاویر سه‌بعدی مغز، جهش ژنتیکی خاصی را در تومور گلیوما با 97 درصد دقت شناسایی کند. شاید این فناوری بتواند نیاز به جراحی را برای نمونه‌برداری از تومور گلیوما کاهش دهد و به تحلیل تومور برای انتخاب درمان مناسب کمک کند.
دانشمندان در سال‌های اخیر، روش‌های تصویربرداری دیگری را نیز آزمایش کرده‌اند اما شاید این پژوهش جدید بتواند یکی از دقیق‌ترین روش‌ها را برای ارزیابی گسترده سرطان مغز ارائه دهد.
"جوزف مالدجیان" (Joseph Maldjian)، از پژوهشگران این پروژه گفت: آگاهی از وضعیت جهش گلیوما، گام مهمی در پیش‌بینی وضع بیمار و ارائه راهبردهای درمانی به شمار می‌رود. تشخیص این وضعیت فقط با استفاده از تصویربرداری و هوش مصنوعی، می‌تواند گام مهمی در این زمینه باشد.
آنزیم‌های جهش یافته
پژوهشگران در این پروژه، از یک شبکه یادگیری عمیق و روش ام‌آرآی استفاده کردند تا بتوانند وضعیت یک ژن موسوم به " IDH" را تشخیص دهند. این ژن، آنزیمی را تولید می‌کند که شکل جهش یافته آن می‌تواند به رشد تومور در مغز منجر شود.
پزشکان برای درمان گلیوما معمولا مجبور می‌شوند تا بیماران را جراحی کنند تا بخشی از بافت تومور را بردارند و برای تشخیص وضعیت جهش تومور، به تحلیل آن بپردازند. ارائه راهبردهای پیش‌بینی و درمان تا حدود زیادی به وضعیت جهش تومور گلیوما بستگی دارد.
از آنجا که به دست آوردن نمونه بافت، گاهی اوقات می‌تواند خطرناک و زمان‌بر باشد، پژوهشگران همیشه برای تشخیص وضعیت جهش تومور، در جستجوی راهبردهایی غیر از جراحی هستند.
مالدجیان افزود: نکته مثبت این مدل یادگیری عمیق، سادگی و همچنین دقت بالای آن است. ما گام‌های پیش از پردازش را حذف کرده‌ایم و یک مدل ایده‌آل ارائه داده‌ایم تا با بررسی تصاویر، به مراقبت بالینی کمک کند.
این پژوهش، در مجله " Neuro-Oncology" به چاپ رسید.
لینک کوتاه: asriran.com/0032Xe