در یک مطالعه چندملیتی که توسط تیم تحقیقاتی کلینیک مایو با استفاده از هوش مصنوعی (AI) انجام شد، محققان الگوریتمی را برای بهبود پیش‌بینی عود سرطان روده بزرگ توسعه دادند.
طبق گزارش انجمن سرطان آمریکا، سرطان کولورکتال به استثنای سرطان های پوست، سومین سرطان شایع در ایالات متحده است.
ریش پای، دکترای تخصصی، پاتولوژیست در کلینیک مایو یک الگوریتم تقسیم‌بندی یادگیری عمیق به نام QuantCRC را برای شناسایی مناطق مختلف درون تومورها با استفاده از نزدیک به ۶۵۰۰ تصویر اسلاید دیجیتال توسعه داد.
محققان کلینیک مایو این الگوریتم هوش مصنوعی را برای تصویر دیجیتالی شده سرطان کولورکتال که مناطق مختلف درون تومور را برجسته می‌کند، اعمال می‌کنند.
15 پارامتر از هر تصویر سرطان روده بزرگ ثبت و با یافته های گزارش پاتولوژی و پرونده سلامت مقایسه شد. سپس یک مدل پیش آگهی با استفاده از QuantCRC برای پیش‌بینی بقای بدون عود ایجاد شد.
دکتر پی می گوید: «QuantCRC می تواند مناطق مختلف تومور را شناسایی کند و داده های کمی را از این مناطق استخراج کند. این الگوریتم یک تصویر را به مجموعه‌ای از اعداد تبدیل می‌کند که منحصر به آن تومور است. تعداد زیادی از تومورهایی که تجزیه و تحلیل کردیم به ما این امکان را می‌دهد تا بفهمیم کدام ویژگی‌ها بیشتر پیش‌بینی‌کننده رفتار تومور هستند. اکنون می‌توانیم آنچه را که آموخته‌ایم در کولون جدید اعمال کنیم. »
به عنوان مثال، این الگوریتم می تواند زیرمجموعه ای از بیمارانی را که ممکن است نیازی به دریافت شیمی درمانی نداشته باشند، با توجه به احتمال کم عود، شناسایی کند. همچنین می‌تواند به شناسایی بیمارانی که در معرض خطر بالای عود هستند و ممکن است از درمان یا پیگیری شدیدتر بهره ببرند، کمک کند.
دکتر پای می گوید امیدوار است این مطالعه برای بیماران مبتلا به سرطان روده بزرگ، آسیب شناسانی که به نمونه های سرطان روده بزرگ نگاه می کنند و انکولوژیست هایی که سرطان روده بزرگ را درمان می کنند، مفید باشد.
تیمی از محققان از استرالیا، کانادا و ایالات متحده به این نتیجه رسیدند که QuantCRC یک مکمل قدرتمند برای گزارش‌های پاتولوژیک معمول سرطان روده بزرگ است.
به عنوان گام بعدی در تحقیقات خود، دکتر پای می گوید که قصد دارد از QuantCRC برای درک بهتر مکانیسم های عود تومور استفاده کند و ببیند آیا می تواند پاسخ به درمان های خاص مانند ایمونوتراپی را پیش بینی کند یا خیر.
طبق گزارش انجمن سرطان آمریکا، سرطان کولورکتال به استثنای سرطان های پوست، سومین سرطان شایع در ایالات متحده است.
ریش پای، دکترای تخصصی، پاتولوژیست در کلینیک مایو یک الگوریتم تقسیم‌بندی یادگیری عمیق به نام QuantCRC را برای شناسایی مناطق مختلف درون تومورها با استفاده از نزدیک به ۶۵۰۰ تصویر اسلاید دیجیتال توسعه داد.
محققان کلینیک مایو این الگوریتم هوش مصنوعی را برای تصویر دیجیتالی شده سرطان کولورکتال که مناطق مختلف درون تومور را برجسته می‌کند، اعمال می‌کنند.
15 پارامتر از هر تصویر سرطان روده بزرگ ثبت و با یافته های گزارش پاتولوژی و پرونده سلامت مقایسه شد. سپس یک مدل پیش آگهی با استفاده از QuantCRC برای پیش‌بینی بقای بدون عود ایجاد شد.
دکتر پی می گوید: «QuantCRC می تواند مناطق مختلف تومور را شناسایی کند و داده های کمی را از این مناطق استخراج کند. این الگوریتم یک تصویر را به مجموعه‌ای از اعداد تبدیل می‌کند که منحصر به آن تومور است. تعداد زیادی از تومورهایی که تجزیه و تحلیل کردیم به ما این امکان را می‌دهد تا بفهمیم کدام ویژگی‌ها بیشتر پیش‌بینی‌کننده رفتار تومور هستند. اکنون می‌توانیم آنچه را که آموخته‌ایم در کولون جدید اعمال کنیم. »
به عنوان مثال، این الگوریتم می تواند زیرمجموعه ای از بیمارانی را که ممکن است نیازی به دریافت شیمی درمانی نداشته باشند، با توجه به احتمال کم عود، شناسایی کند. همچنین می‌تواند به شناسایی بیمارانی که در معرض خطر بالای عود هستند و ممکن است از درمان یا پیگیری شدیدتر بهره ببرند، کمک کند.
دکتر پای می گوید امیدوار است این مطالعه برای بیماران مبتلا به سرطان روده بزرگ، آسیب شناسانی که به نمونه های سرطان روده بزرگ نگاه می کنند و انکولوژیست هایی که سرطان روده بزرگ را درمان می کنند، مفید باشد.
تیمی از محققان از استرالیا، کانادا و ایالات متحده به این نتیجه رسیدند که QuantCRC یک مکمل قدرتمند برای گزارش‌های پاتولوژیک معمول سرطان روده بزرگ است.
به عنوان گام بعدی در تحقیقات خود، دکتر پای می گوید که قصد دارد از QuantCRC برای درک بهتر مکانیسم های عود تومور استفاده کند و ببیند آیا می تواند پاسخ به درمان های خاص مانند ایمونوتراپی را پیش بینی کند یا خیر.
کد خبر ۲۰۱۰۱۰۶۰۵.۵۲۵
