بر اساس یک مطالعه اخیر، به نظر می رسد روش جدیدی که محققان دانشگاه یورک ایجاد کرده اند، در پیش بینی نتایج درمان در بیماران مبتلا به متاستاز مغزی به طور قابل توجهی موثرتر از چشم انسان است. تیم تحقیقاتی خوشبین است که پیشرفت‌های جدید در فناوری و تحقیقات در نهایت منجر به رژیم‌های درمانی فردی سرطان و بهبود نتایج بیماران می‌شود. محقق اصلی این مطالعه، رئیس تحقیقات یورک، علی صادقی نائینی، دانشیار مهندسی زیست پزشکی و علوم کامپیوتر در دانشکده مهندسی لاسوند، آن را «تحلیل پیچیده و کامل MRIها برای یافتن ویژگی‌ها و الگوهایی می‌داند که معمولاً توسط چشم انسان ثبت نمی‌شوند.
در مواردی که زمان بسیار مهم است، ما امیدواریم که روش ما، که یک روش پیش‌بینی مبتنی بر هوش مصنوعی منحصر به فرد برای تشخیص شکست تشعشع در متاستاز مغز است، بتواند به انکولوژیست‌ها و بیماران در تصمیم‌گیری آگاهانه‌تر و تنظیم درمان کمک کند. مطالعات قبلی نشان داده‌اند که با استفاده از روش‌های استاندارد مانند تصویربرداری ام.آر.آی، ارزیابی اندازه، محل و تعداد متاستازهای مغزی و همچنین نوع سرطان اولیه و وضعیت بیمار، انکولوژیست‌ها قادر به پیش‌بینی شکست درمان در حدود ۶۵ درصد مواقع هستند. محققان چندین مدل هوش مصنوعی را ایجاد و آزمایش کردند و بهترین مدل آنها دقت ۸۳ درصدی داشت. هنگامی که بدخیمی های اولیه در ریه ها، سینه ها، روده بزرگ یا سایر نواحی بدن از طریق گردش خون یا سیستم لنفاوی به مغز می رسد، متاستازهای مغزی، که نوعی تومور بدخیم است، ایجاد می شود. در حالی که روش‌های درمانی مختلفی وجود دارد، رادیوتراپی استریوتاکتیک یکی از محبوب‌ترین روش‌ها است و شامل تزریق مستقیم پرتوهای با دوز بالا به تومور است. همه تومورها به پرتودرمانی پاسخ نمی دهند. به گفته صادقی نائینی، تا ۳۰ درصد از این افراد حتی پس از درمان نیز رشد تومور را تجربه می کنند. این اغلب تا چند ماه پس از درمان از طریق پیگیری MRI شناسایی نمی شود.
بیماران مبتلا به متاستاز مغزی نمی توانند این تاخیر را تحمل کنند زیرا این یک وضعیت بسیار فلج کننده است و اکثر مبتلایان بین سه ماه تا پنج سال پس از تشخیص از بین می روند. صادقی نائینی می‌گوید: «حتی قبل از شروع درمان، پیش‌بینی پاسخ درمانی بسیار مهم است. محققان شبکه‌های عصبی مصنوعی ساختند که بر روی حجم وسیعی از داده‌ها با استفاده از روش یادگیری ماشینی معروف به یادگیری عمیق آموزش داده شدند و سپس هوش مصنوعی را برای توجه بیشتر به مکان‌های خاص آموزش دادند. به گفته صادقی نائینی، هنگام مشاهده MRI، ممکن است متوجه مناطقی در داخل یا اطراف تومور شوید که شدت و الگوی آن متفاوت است. در نتیجه، سیستم بینایی شما توجه بیشتری به آن مناطق می کند. با این حال، یک الگوریتم هوش مصنوعی از این موضوع بی اطلاع است. این ابزارهای هوش مصنوعی می توانند یاد بگیرند که کدام بخش از این عکس ها مرتبط تر است و به لطف مکانیسم توجهی که در الگوریتم پیاده سازی کرده ایم، وزن بیشتری برای تجزیه و تحلیل و پیش بینی می دهند.»
صادقی نائینی افزود :” در حالی که باید تحقیقات بیشتری انجام شود، یافته‌ها نشان می‌دهد که هوش مصنوعی ابزار بالقوه مهمی در مدیریت دقیق متاستاز مغز و حتی سایر انواع سرطان است. گام بعدی برای پذیرش این روش به عنوان یک ابزار بالینی، بررسی یک گروه بزرگ‌تر با مجموعه داده‌های چند نهادی است.”
در مواردی که زمان بسیار مهم است، ما امیدواریم که روش ما، که یک روش پیش‌بینی مبتنی بر هوش مصنوعی منحصر به فرد برای تشخیص شکست تشعشع در متاستاز مغز است، بتواند به انکولوژیست‌ها و بیماران در تصمیم‌گیری آگاهانه‌تر و تنظیم درمان کمک کند. مطالعات قبلی نشان داده‌اند که با استفاده از روش‌های استاندارد مانند تصویربرداری ام.آر.آی، ارزیابی اندازه، محل و تعداد متاستازهای مغزی و همچنین نوع سرطان اولیه و وضعیت بیمار، انکولوژیست‌ها قادر به پیش‌بینی شکست درمان در حدود ۶۵ درصد مواقع هستند. محققان چندین مدل هوش مصنوعی را ایجاد و آزمایش کردند و بهترین مدل آنها دقت ۸۳ درصدی داشت. هنگامی که بدخیمی های اولیه در ریه ها، سینه ها، روده بزرگ یا سایر نواحی بدن از طریق گردش خون یا سیستم لنفاوی به مغز می رسد، متاستازهای مغزی، که نوعی تومور بدخیم است، ایجاد می شود. در حالی که روش‌های درمانی مختلفی وجود دارد، رادیوتراپی استریوتاکتیک یکی از محبوب‌ترین روش‌ها است و شامل تزریق مستقیم پرتوهای با دوز بالا به تومور است. همه تومورها به پرتودرمانی پاسخ نمی دهند. به گفته صادقی نائینی، تا ۳۰ درصد از این افراد حتی پس از درمان نیز رشد تومور را تجربه می کنند. این اغلب تا چند ماه پس از درمان از طریق پیگیری MRI شناسایی نمی شود.
بیماران مبتلا به متاستاز مغزی نمی توانند این تاخیر را تحمل کنند زیرا این یک وضعیت بسیار فلج کننده است و اکثر مبتلایان بین سه ماه تا پنج سال پس از تشخیص از بین می روند. صادقی نائینی می‌گوید: «حتی قبل از شروع درمان، پیش‌بینی پاسخ درمانی بسیار مهم است. محققان شبکه‌های عصبی مصنوعی ساختند که بر روی حجم وسیعی از داده‌ها با استفاده از روش یادگیری ماشینی معروف به یادگیری عمیق آموزش داده شدند و سپس هوش مصنوعی را برای توجه بیشتر به مکان‌های خاص آموزش دادند. به گفته صادقی نائینی، هنگام مشاهده MRI، ممکن است متوجه مناطقی در داخل یا اطراف تومور شوید که شدت و الگوی آن متفاوت است. در نتیجه، سیستم بینایی شما توجه بیشتری به آن مناطق می کند. با این حال، یک الگوریتم هوش مصنوعی از این موضوع بی اطلاع است. این ابزارهای هوش مصنوعی می توانند یاد بگیرند که کدام بخش از این عکس ها مرتبط تر است و به لطف مکانیسم توجهی که در الگوریتم پیاده سازی کرده ایم، وزن بیشتری برای تجزیه و تحلیل و پیش بینی می دهند.»
صادقی نائینی افزود :” در حالی که باید تحقیقات بیشتری انجام شود، یافته‌ها نشان می‌دهد که هوش مصنوعی ابزار بالقوه مهمی در مدیریت دقیق متاستاز مغز و حتی سایر انواع سرطان است. گام بعدی برای پذیرش این روش به عنوان یک ابزار بالینی، بررسی یک گروه بزرگ‌تر با مجموعه داده‌های چند نهادی است.”
کد خبر ۲۰۱۰۱۱۰۰۴.۰۰۹
