پژوهشگران آمریکایی موفق به توسعه یک سامانه هوش مصنوعی شدهاند که میتواند بازگشت تومور مغزی در کودکان را با دقتی قابل توجه پیشبینی کند. این سیستم جدید با استفاده از مجموعهای از اسکنهای MRI پس از درمان و با بهرهگیری از روش نوینی به نام «یادگیری زمانی»، عملکردی بسیار بهتر از مدلهای معمولی که تنها بر یک تصویر تکی تکیه دارند، ارائه میدهد.
این فناوری میتواند ضمن کاهش نیاز به تصویربرداری مکرر و نگرانی خانوادهها، امکان مداخله سریعتر و هدفمندتر را در صورت بالا بودن احتمال عود تومور فراهم کند. قرار است کارایی این سامانه در قالب کارآزماییهای بالینی در محیطهای واقعی بررسی شود.
این تحقیق توسط تیمی از بیمارستان عمومی ماساچوست (Mass General Brigham) با همکاری بیمارستان کودکان بوستون و مرکز سرطان و اختلالات خونی Dana-Farber/Boston Children’s انجام شده است. پژوهشگران یک مدل یادگیری عمیق را توسعه دادهاند که با بررسی مجموعهای از تصاویر مغزی کودکان پس از عمل جراحی، میتواند نشانههای اولیه بازگشت تومور را شناسایی کند. یافتههای این تحقیق در نشریه تخصصی New England Journal of Medicine AI منتشر شده است.
به گفته دکتر بنجامین کن، از نویسندگان اصلی این پژوهش: «پیشبینی خطر عود تومور در کودکان بسیار دشوار است، از همین رو اغلب نیاز به تصویربرداریهای مکرر و طولانیمدت داریم که این موضوع میتواند برای کودکان و خانوادههایشان استرسزا و خستهکننده باشد. ما به ابزارهای دقیقتری نیاز داریم تا بتوانیم زودتر بیماران پرخطر را شناسایی کنیم.»
با توجه به کمیاب بودن سرطانهای کودکان، پژوهشگران برای غلبه بر محدودیت دادهها، از همکاری با مراکز مختلف در سراسر آمریکا استفاده کرده و مجموعهای شامل نزدیک به ۴ هزار اسکن MRI از ۷۱۵ کودک تهیه کردند. مدل هوش مصنوعی آنها توانست با بررسی روند تغییرات تصاویر پس از درمان، عود تومور را با دقتی بین ۷۵ تا ۸۹ درصد تا یک سال پس از درمان پیشبینی کند. این در حالی است که مدلهای مبتنی بر یک تصویر تکی، دقتی حدود ۵۰ درصد داشتند که تفاوتی با حدس تصادفی ندارد.
پژوهشگران تأکید کردهاند که برای کاربرد بالینی این فناوری، نیاز به آزمایشهای بیشتر در محیطهای گوناگون است. اما آنها امیدوارند که با استفاده از این ابزار بتوان برنامههای درمانی شخصیسازیشدهتری برای بیماران تدوین کرد — از کاهش دفعات تصویربرداری برای بیماران کمخطر گرفته تا آغاز زودهنگام درمانهای مکمل برای بیماران پرخطر.
کد خبر ۲۰۱۰۴۰۲۱۰.۰۰۴
منبع: سای تک دیلی
