بر اساس مطالعهای که در هفته جاری منتشر شد، محققان دانشگاه نورث وسترن ابزار هوش مصنوعی (AI) توسعه دادهاند که ممکن است بتواند با استفاده از الگوهای سلولی برای پیشبینی سیر بیماری از درمانهای شیمیدرمانی غیرضروری در بیماران سرطان سینه چشم پوشی کند. طب طبیعت.
انجمن سرطان آمریکا تخمین می زند که از هر هشت زن در ایالات متحده، یک زن در طول زندگی خود به سرطان سینه مبتلا می شود و این بیماری سالانه حدود 30 درصد از سرطان های جدید زنان را تشکیل می دهد.
سرطان سینه معمولاً از طریق تصویربرداری تشخیصی یا بیوپسی تشخیص داده می شود و پس از تشخیص، مرحله و درجه سرطان مشخص می شود. فرآیند درجه بندی شامل آسیب شناس است که بافت سرطانی را ارزیابی می کند تا میزان غیرطبیعی بودن آن را بسنجد و سپس برنامه درمانی بیمار را اعلام می کند.
با این حال، فرآیند درجه بندی به شدت به ارزیابی ظاهر سلول های سرطانی بستگی دارد، که می تواند برای پزشکان دشوار باشد. علاوه بر این، سلولهای غیرسرطانی نقش کلیدی در رشد سرطان دارند و آنها را برای پیشآگهی مفید میسازد.
با در نظر گرفتن این ملاحظات، محققان به دنبال ساخت یک مدل هوش مصنوعی بودند که میتواند تصاویر دیجیتالی بافت پستان، ظاهر سلولهای سرطانی و غیرسرطانی موجود و نحوه تعامل این سلولها را ارزیابی کند.
لی کوپر، نویسنده مرتبط، استادیار آسیب شناسی در دانشکده پزشکی فاینبرگ دانشگاه نورث وسترن، در بیانیه خبری گفت: ارزیابی این الگوها برای یک آسیب شناس چالش برانگیز است، زیرا دسته بندی قابل اعتماد آنها برای چشم انسان دشوار است. مدل هوش مصنوعی این الگوها را اندازه گیری می کند و اطلاعات را به گونه ای به آسیب شناس ارائه می دهد که فرآیند تصمیم گیری هوش مصنوعی را برای آسیب شناس روشن می کند.
این ابزار 26 ویژگی بافت سینه هر بیمار را به منظور ایجاد یک امتیاز کلی پیش آگهی ارزیابی می کند. این مدل همچنین برای ایجاد امتیاز سلولهای سرطانی، ایمنی و استرومایی فردی طراحی شده است تا به آسیبشناس کمک کند تا نمره کلی را بهتر درک کند. سپس می توان از این بینش ها برای توسعه برنامه های درمانی شخصی برای بیماران استفاده کرد.
تیم تحقیقاتی همچنین خاطرنشان کرد که این ابزار پتانسیل بهبود دقت ارزیابی خطر را برای موارد منفرد سرطان پستان و کمک به ارزیابی نحوه پاسخ بیمار به درمان دارد. این می تواند به تیم های مراقبتی اجازه دهد تا در صورت لزوم، مدت یا شدت درمان هایی مانند شیمی درمانی را تنظیم کنند.
کوپر گفت: “ما همچنین امیدواریم که این مدل بتواند نابرابری را برای بیمارانی که در محیط های اجتماعی تشخیص داده می شوند کاهش دهد.” این بیماران ممکن است به یک آسیب شناس متخصص در سرطان سینه دسترسی نداشته باشند و مدل هوش مصنوعی ما می تواند به یک آسیب شناس عمومی در هنگام ارزیابی سرطان سینه کمک کند.
در آینده، محققان قصد دارند مدل را برای استفاده بالینی تأیید کنند. این تیم همچنین در حال کار برای ایجاد مدلهای هوش مصنوعی قابل استفاده برای سایر سرطانهای تهاجمی پستان، مانند سهگانه منفی یا HER2 مثبت است، زیرا الگوهای بافتی ممکن است در سرطانها متفاوت باشد.
کوپر توضیح داد: «این توانایی ما را برای پیشبینی نتایج بهبود میبخشد و بینشهای بیشتری در مورد بیولوژی سرطان سینه ارائه میدهد.
ابزارهای هوش مصنوعی دیگری نیز اخیراً برای پیشبینی نتایج سرطان ایجاد شدهاند.
در این ماه، یک تیم تحقیقاتی از مرکز جامع سرطان UCLA Health Jonsson توضیح دادند که چگونه یک مدل هوش مصنوعی میتواند با ارزیابی عوامل اپی ژنتیک، نتایج بقای سرطان را با موفقیت پیشبینی کند.
محققان دریافتند که با ارزیابی الگوهای بیان ژن عوامل اپی ژنتیکی در تومورها، می توان هر عامل را دسته بندی کرد. سپس این اطلاعات در یک ابزار هوش مصنوعی وارد شد که از آن دادهها برای پیشبینی پیامدها در انواع سرطان استفاده میکرد.
این مدل میتوانست نتایج سرطان را بهتر از برخی معیارهای سنتی مانند درجه و مرحله سرطان پیشبینی کند.