طبق تحقیقات، یک تیم تحقیقاتی از دانشکده پزشکی دانشگاه واشنگتن در سنت لوئیس، یک رویکرد مبتنی بر یادگیری عمیق (DL) را برای کمک به پیشبینی اینکه کدام بیماران مبتلا به سرطان ریه سلول غیر کوچک (NSCLC) احتمالاً متاستاز مغزی را تجربه میکنند، توسعه دادهاند. منتشر شده در هفته گذشته در مجله آسیب شناسی.
محققان تاکید کردند که متاستازهای مغزی تقریباً در نیمی از بیماران مبتلا به NSCLC زودرس و پیشرفته محلی رخ می دهد، اما در حال حاضر هیچ وسیله قابل اعتمادی برای نشان دادن این بیماران قبل از گسترش سرطان به مغز وجود ندارد.
برای کسانی که NSCLC در مراحل اولیه دارند، معمولاً جراحی به عنوان اولین خط درمان توصیه می شود و پس از گسترش سرطان به سایر اندام ها و غدد لنفاوی، درمان های اضافی در نظر گرفته می شود.
متاستاز مغز نیاز به درمان های تهاجمی مانند پرتودرمانی، ایمونوتراپی، شیمی درمانی و درمان دارویی هدفمند دارد. با این حال، از آنجایی که پزشکان راهی برای دانستن اینکه آیا سرطان بیمار به مغز سرایت می کند یا نه، ندارند، این درمان ها اغلب به عنوان اقدامات پیشگیرانه مورد استفاده قرار می گیرند.
این رویکرد میتواند بیماران را در معرض درمانهایی قرار دهد که ممکن است به آنها نیاز نداشته باشند، که به طور بالقوه منجر به پیامدهای نامطلوب میشود.
بیشتر بخوانید: کلینیک مایو کلاس جدید هوش مصنوعی را برای پیشبرد تحقیقات سرطان و مراقبت ایجاد می کند
برای رفع این مشکل، تیم تحقیقاتی تصمیم به توسعه یک مدل مبتنی بر هوش مصنوعی (AI) برای پیشبینی خطر متاستاز مغز با استفاده از تصاویر بیوپسی ریه کردند.
ریچارد جی کوت، MD، پروفسور ادوارد مالینکرودت و رئیس بخش آسیب شناسی و ایمونولوژی در دانشگاه واشنگتن، در یک بیانیه خبری گفت: “هیچ ابزار پیش بینی کننده ای برای کمک به پزشکان هنگام درمان بیماران مبتلا به سرطان ریه وجود ندارد.” ما پیشبینیکنندههای خطر داریم که به ما میگویند کدام جمعیت بیشتر به مراحل پیشرفتهتر پیشرفت میکند، اما ما توانایی پیشبینی نتایج فردی بیمار را نداریم. مطالعه ما نشان می دهد که روش های هوش مصنوعی ممکن است بتوانند پیش بینی های معناداری را انجام دهند که به اندازه کافی خاص و حساس هستند تا بر مدیریت بیمار تأثیر بگذارند.
هدف این مطالعه روشن کردن این موضوع بود که آیا یک ابزار هوش مصنوعی میتواند ویژگیهای غیرطبیعی را در تصویر بیوپسی تشخیص دهد که ممکن است آسیبشناس از دست بدهد.
این الگوریتم برای پیشبینی متاستاز مغز با استفاده از 118 نمونه بیوپسی ریه از بیماران NSCLC در مراحل اولیه که در طی یک دوره نظارتی پنج ساله یا دچار سرطان مغز شدهاند یا نشدهاند، آموزش داده شد. این مدل با استفاده از مجموعه دیگری از تصاویر بیوپسی ریه از 40 بیمار دیگر آزمایش شد.
الگوریتم با چهار آسیب شناس متخصص مقایسه شد.
بیشتر بخوانید: ابزار یادگیری عمیق مشکل هوش مصنوعی «جعبه سیاه» را در تصویربرداری پزشکی هدف قرار می دهد
تجزیه و تحلیل نشان داد که مدل DL به طور قابل توجهی بهتر از پزشکان عمل می کند و 87 درصد دقت در پیش بینی متاستاز مغز در مقایسه با میانگین آسیب شناسان 57.3 درصد به دست می آورد. این مدل به ویژه در تشخیص اینکه کدام بیماران NSCLC به سرطان مغز مبتلا نمی شوند، دقیق بود.
راماسوامی گوویندان، MD، کرسی انکولوژی پزشکی Anheuser Busch و معاون مدیر این مرکز گفت: “نتایج ما باید در یک مطالعه بزرگتر تأیید شود، اما ما فکر می کنیم که هوش مصنوعی پتانسیل زیادی برای پیش بینی های دقیق و تصمیم گیری های مراقبتی دارد.” بخش انکولوژی در دانشگاه واشنگتن درمانهای سیستمی مانند شیمیدرمانی، اگرچه در از بین بردن سلولهای سرطانی مؤثر هستند، میتوانند به سلولهای سالم نیز آسیب برسانند و همیشه بهترین روش درمانی برای همه بیماران سرطانی در مراحل اولیه نیستند. شناسایی بیمارانی که احتمال عود در مغز وجود دارد ممکن است به ما کمک کند تا راهبردهایی برای رهگیری سرطان در مراحل اولیه متاستاز ایجاد کنیم. ما فکر میکنیم پیشبینیهای مبتنی بر هوش مصنوعی میتوانند روزی به درمانهای شخصیشده کمک کنند.»
ویژگیهایی که این ابزار برای هدایت پیشبینیهای خود استفاده میکند ناشناخته است، اما محققان قصد دارند این موضوع را در مطالعات آینده بررسی کنند.
Changhuei Yang، دکتر Changhuei Yang، استاد مهندسی برق، مهندسی زیستی و مهندسی پزشکی در موسسه فناوری کالیفرنیا، که در این مطالعه مشارکت داشت، توضیح داد: “این مطالعه به عنوان تلاشی برای یافتن نشانگرهای زیستی پیش بینی کننده آغاز شد.” اما ما نتوانستیم هیچ کدام را پیدا کنیم. در عوض، ما متوجه شدیم که هوش مصنوعی این پتانسیل را دارد که با استفاده از نمونههای بیوپسی که در حال حاضر برای تشخیص جمعآوری شدهاند، درباره پیشرفت سرطان پیشبینی کند. اگر بتوانیم به دقت پیشبینی برسیم که به ما امکان میدهد از این الگوریتم به صورت بالینی استفاده کنیم و مجبور نباشیم به نشانگرهای زیستی گران قیمت متوسل شویم، در مورد پیامدهای قابل توجهی در مقرونبهصرفه بودن صحبت میکنیم.»
با ادامه پیشرفت فناوری، استفاده از هوش مصنوعی در تحقیقات سرطان در حال افزایش است.
بیشتر بخوانید: روش هوش مصنوعی داده کاوی از گزارش های آسیب شناسی را فعال می کند
این هفته، محققان کلینیک مایو از کلاس جدیدی از هوش مصنوعی برای کمک به تقویت تحقیقات سرطان شناسی رونمایی کردند.
«هوش مصنوعی مبتنی بر فرضیه» آنها برای افزایش کشف دانش برای بیماریهایی مانند سرطان با اجازه دادن به تیمهای تحقیقاتی برای گنجاندن یک فرضیه یا سؤال تحقیقاتی خاص در الگوریتم طراحی شده است. به این ترتیب، این مدلها میتوانند دانش علمی موجود را بهجای تکیه بر مجموعه دادههای ایستا و دشوار بهدست آورند.
محققان اظهار داشتند که این رویکرد نوید قابل توجهی برای بینشهای ظاهری است که مدلهای سنتی هوش مصنوعی از قلم انداختهاند.