دانشمندان ژاپنی از هوش مصنوعی برای تجزیه و تحلیل تصاویر کبد چرب و پیش‌بینی خطر ابتلا به سرطان کبد استفاده کرده‌اند که این روش نوآورانه می‌تواند به تشخیص زودهنگام و نجات جان بیماران کمک کند.
این تیم به رهبری دانشگاه توکیو، این مدل را با استفاده از برخی تصاویر دیجیتالی از بافت‌های کبد چرب جمع‌آوری‌شده از ۴۶ نفری که طی هفت سال پس از بیوپسی و ۶۳۹ نفر دیگر به سرطان کبد مبتلا شده‌اند، ایجاد کردند.
محققان این دانشگاه از یک مدل یادگیری عمیق برای تجزیه و تحلیل تصاویر سونوگرافی کبد چرب استفاده کردند که با استفاده از تصاویر سونوگرافی بیماران مبتلا به کبد چرب که بعداً به سرطان کبد مبتلا شده بودند، آموزش دیده است.
این مدل یادگیری عمیق قادر است با دقت بالایی بیماران مبتلا به کبد چرب را که در معرض خطر بالای ابتلا به سرطان کبد قرار دارند را شناسایی کند.
دانشمندان شرح می‌دهند، این روش در مقایسه با روش‌های سنتی مانند بیوپسی کبد، دقت و کارایی بیشتری دارد و می‌تواند به پزشکان کمک کند تا سرطان کبد را در مراحل اولیه که درمان آن آسان‌تر است، تشخیص دهند. تشخیص زودهنگام می‌تواند به افزایش شانس زنده ماندن بیماران مبتلا به سرطان کبد کمک کند.
به گفته محققان، این مدل ثابت کرده است که می‌تواند خطر ابتلا به سرطان را با دقت ۸۲.۳ درصد پیش‌بینی کند که در مقایسه با ۷۸.۲ درصد برای آنالیز‌های دستی مبتنی بر بیوپسی پیشرفت قابل ملاحظه‌ای به شمار می‌رود.
علاوه بر این، مدل هوش مصنوعی آموزش دیده جای بیوپسی کبد که یک روش تهاجمی است، از تصاویر سونوگرافی استفاده می‌کند و هزینه‌های مراقبت‌های بهداشتی مرتبط با سرطان کبد را کاهش می‌دهد.
به گفته آناپرس ، این روش می‌تواند برای غربالگری بیماران مبتلا به کبد چرب در معرض سرطان و تشخیص زودهنگام هرگونه تغییر در وضعیت آنها استفاده شود.
دانشمندان شرح می‌دهند، مدل هوش مصنوعی توسعه یافته در آینده برای تشخیص سایر انواع سرطان نیز استفاده شود.
استفاده از هوش مصنوعی برای تجزیه و تحلیل تصاویر پزشکی می‌تواند به بهبود دقت و کارایی تشخیص و نجات جان بیماران کمک کند.
