هوش مصنوعی پیش‌بینی بازگشت تومور مغزی در کودکان را ممکن می‌سازد

به گزارش گروه بهداشت و درمان سرطان نیوز،  دانشمندان موفق به توسعه یک سیستم هوش مصنوعی شده‌اند که با استفاده از اسکن‌های MRI متوالی، قادر به پیش‌بینی بازگشت تومور مغزی در کودکان هستند. این سیستم که بر اساس یک رویکرد جدید به نام «یادگیری زمانی» عمل می‌کند، می‌تواند تغییرات جزئی در تصاویر مغزی کودک را شناسایی کرده و به پیش‌بینی بازگشت بیماری کمک کند.

سامانه جدید هوش مصنوعی با پردازش چندین اسکن مغزی پس از درمان، قادر است الگو‌هایی را که ممکن است توسط متخصصان انسانی نادیده گرفته شوند، شناسایی کند. این رویکرد می‌تواند به پزشکان کمک کند تا در مراحل اولیه عود بیماری اقدام کنند و از تصویربرداری‌های غیر ضروری که موجب استرس خانواده‌ها می‌شود، جلوگیری کنند.

دکتر «بنجامین کان»، سرپرست برنامه هوش مصنوعی در پزشکی، می‌گوید: «پیش‌بینی عود تومور مغزی بسیار دشوار است و بیماران اغلب مجبورند تحت پیگیری‌های مکرر قرار گیرند. این فرآیند می‌تواند تنش‌زا باشد. این سیستم هوش مصنوعی می‌تواند به شناسایی زودهنگام کودکان در معرض خطر و مداخلات پیشگیرانه کمک کند.»

گلیوما نوعی تومور مغزی است که بعد از درمان ممکن است عود کند. پیش‌بینی اینکه کدام بیماران ممکن است با عود بیماری رو‌به‌رو شوند، همواره چالشی بزرگ بوده است. این سامانه هوش مصنوعی با تحلیل داده‌های پزشکی و تصاویر پس از درمان، به پیش‌بینی دقیق‌تر عود بیماری کمک می‌کند.

محققان برای آموزش این سیستم از مجموعه‌ای از ۴۰۰۰ اسکن MRI مربوط به ۷۱۵ کودک مبتلا به گلیوما استفاده کرده‌اند. آنها با استفاده از رویکرد یادگیری زمانی، توانستند این سیستم را به گونه‌ای آموزش دهند که تغییرات در تصاویر مغزی را در طول زمان شناسایی کند و خطر بازگشت تومور را پیش‌بینی نماید.

نتایج تحقیق نشان می‌دهد که این سامانه هوش مصنوعی قادر است عود تومور گلیوما را تا یک سال پس از درمان با دقت ۷۵ تا ۸۹ درصد پیش‌بینی کند. این پیش‌بینی‌ها می‌توانند به پزشکان کمک کنند تا اقدامات پیشگیرانه به موقع انجام دهند و نیاز به تصویربرداری‌های غیر ضروری را کاهش دهند.

بیشتر بخوانید

•  هوش مصنوعی، آرتروز را در عرض چند دقیقه با دقت ۹۸ درصدی تشخیص می‌دهد

اگرچه این سامانه در مراحل آزمایشی موفق بوده است، محققان تأکید دارند که قبل از استفاده گسترده در محیط‌های بالینی، باید تحقیقات بیشتری برای اعتبارسنجی آن انجام شود. آنها امیدوارند که آزمایش‌های بالینی این سامانه را در شرایط واقعی بررسی کرده و به بهبود مراقبت‌های پزشکی کمک کنند.

دیویانشو تاک، نویسنده ارشد این تحقیق، می‌گوید: «ما ثابت کرده‌ایم که هوش مصنوعی می‌تواند الگو‌های پنهان در مجموعه‌ای از تصاویر پزشکی را شناسایی کند. این فناوری می‌تواند در بسیاری از موارد پزشکی که نیاز به تصویربرداری مکرر دارد، کاربرد داشته باشد.»

این یافته‌ها در نشریه The New England Journal of Medicine AI منتشر شده و نویدبخش تحولاتی در مراقبت‌های پزشکی و پیش‌بینی دقیق‌تر بیماری‌ها است.

این پیشرفت در استفاده از هوش مصنوعی می‌تواند به پزشکان در تشخیص سریع‌تر و دقیق‌تر بیماری‌ها کمک کرده و درمان‌های پیشگیرانه و به موقع را برای کودکان مبتلا به تومور‌های مغزی فراهم کند.