نجات جان بیماران با کشف سریع تومور ریه توسط AI

یک سامانه هوش مصنوعی به نام iSeg در حال متحول‌کردن انکولوژی پرتوی است. این سیستم با ردیابی تومورهای ریوی به‌صورت سه‌بعدی و متناسب با حرکات تنفسی بیمار، نقشه‌برداری دقیقی از تومور ارائه می‌دهد؛ iSeg که بر اساس تصاویر پزشکی جمع‌آوری‌شده از ۹ بیمارستان آموزش دیده، عملکردی هم‌سطح با متخصصان مجرب داشته، مناطقی از سرطان را که برخی پزشکان از قلم انداخته بودند شناسایی کرده و این قابلیت را دارد که روند برنامه‌ریزی درمان را سرعت بخشد و احتمال خطاهای مرگ‌بار را کاهش دهد.

هوش مصنوعی انقلابی در تقسیم‌بندی تومور ریه ایجاد می‌کند

در پرتودرمانی، دقت بالا می‌تواند نجات‌بخش باشد. متخصصان انکولوژی باید پیش از اعمال دوز بالای پرتو به‌منظور نابودی سلول‌های سرطانی و حفظ بافت سالم، اندازه و محل دقیق تومور را مشخص کنند. با این حال، فرایند موسوم به “تقسیم‌بندی تومور” هنوز به‌صورت دستی انجام می‌شود، زمان‌بر است، میان پزشکان متفاوت است و ممکن است منجر به نادیده‌گرفتن نواحی حیاتی تومور شود.

اکنون، گروهی از دانشمندان مؤسسه پزشکی نورث‌وسترن ابزاری مبتنی بر هوش مصنوعی به نام iSeg توسعه داده‌اند که نه‌تنها در ترسیم دقیق تومورهای ریوی در سی‌تی‌اسکن‌ها با پزشکان رقابت می‌کند، بلکه می‌تواند نواحی‌ای را که برخی پزشکان از قلم انداخته‌اند نیز شناسایی کند. این دستاورد در یک مطالعه بزرگ گزارش شده است.

بر خلاف ابزارهای پیشین هوش مصنوعی که فقط بر روی تصاویر ایستا تمرکز داشتند، iSeg نخستین ابزار یادگیری عمیق سه‌بعدی است که توانایی تقسیم‌بندی تومورها را در حین حرکت آن‌ها با هر دم و بازدم داراست؛ عاملی حیاتی در برنامه‌ریزی درمان با پرتودرمانی، که نیمی از بیماران مبتلا به سرطان در ایالات متحده در طول بیماری خود آن را دریافت می‌کنند.

نویسنده مطالعه، تروی تئو، نشان می‌دهد که چگونه ابزار هوش مصنوعی هنگام هر دم و بازدم، تومور ریه را در حال حرکت ترسیم می‌کند.

استقبال پزشکان از دقت بالای iSeg

«ما یک گام دیگر به درمان‌هایی برای سرطان نزدیک شده‌ایم که از آنچه یک دهه پیش تصور می‌کردیم نیز دقیق‌تر هستند»، این را دکتر محمد عبزید، نویسنده ارشد مقاله و رئیس و استاد رادیوانکولوژی در دانشکده پزشکی فاینبرگ دانشگاه نورث‌وسترن، اعلام کرد.

عبزید که سرپرستی تیمی پژوهشی را بر عهده دارد که ابزارهای مبتنی بر داده را برای شخصی‌سازی و بهبود درمان‌های سرطان توسعه می‌دهند، افزود: «هدف از این فناوری، فراهم‌کردن ابزارهایی بهتر برای پزشکان ماست.» او همچنین عضو مرکز جامع سرطان رابرت اچ. لوری در دانشگاه نورث‌وسترن است.

ساگنیک سارکار، نویسنده مطالعه، در حال اشاره به ابزار هوش مصنوعی‌ای که طراحی کرده است.

آموزش و ارزیابی در نه مرکز درمانی

دانشمندان نورث‌وسترن، سامانه هوش مصنوعی iSeg را با استفاده از سی‌تی‌اسکن‌ها و نقشه‌های ترسیم‌شده توسط پزشکان از صدها بیمار مبتلا به سرطان ریه آموزش دادند. این بیماران در نه مرکز درمانی وابسته به سیستم‌های سلامت نورث‌وسترن مدیسین و کلینیک کلیولند تحت درمان قرار گرفته بودند؛ دامنه‌ای بسیار گسترده‌تر از داده‌های محدود و تک‌مرکزی که در بسیاری از مطالعات پیشین به کار رفته است.

پس از آموزش، این هوش مصنوعی روی اسکن‌هایی آزمایش شد که قبلاً هرگز آن‌ها را ندیده بود. نقشه‌برداری‌های توموری انجام‌شده توسط iSeg با ترسیم‌های پزشکان مقایسه شد. نتایج نشان داد که iSeg به‌طور مداوم با ترسیم‌های دقیق پزشکان در انواع اسکن‌ها و مراکز درمانی مختلف همخوانی دارد. این ابزار همچنین نواحی بیشتری را شناسایی کرد که برخی پزشکان از آن‌ها غافل شده بودند؛ نواحی‌ای که در صورت درمان‌نشدن، با نتایج بالینی ضعیف‌تری مرتبط بودند. این یافته نشان می‌دهد که iSeg می‌تواند در شناسایی مناطق پرخطر و اغلب نادیده‌گرفته‌شده، نقش مؤثری ایفا کند.

شناسایی مناطق حساس از دست رفته و استانداردسازی مراقبت‌ها

دکتر محمد عبزید گفت: «هدف‌گیری دقیق تومور، اساس پرتودرمانی ایمن و مؤثر است، جایی که حتی اشتباهات کوچک در هدف‌گیری می‌توانند بر کنترل تومور تأثیر بگذارند یا سمیت غیرضروری ایجاد کنند.»

نویسنده اول مقاله، ساگنیک سارکار، تکنولوژیست ارشد تحقیقاتی در فاینبرگ و دارنده مدرک کارشناسی ارشد در هوش مصنوعی از دانشگاه نورث‌وسترن، افزود: «با خودکارسازی و استانداردسازی ترسیم تومور، ابزار هوش مصنوعی ما می‌تواند به کاهش تأخیرها، تضمین عدالت در بیمارستان‌های مختلف و شناسایی نواحی‌ای که ممکن است پزشکان از آن‌ها غافل شوند، کمک کند — و در نهایت مراقبت از بیماران و نتایج بالینی را بهبود بخشد.»

تروی تئو، نویسنده مطالعه، در حال اشاره به ابزار هوش مصنوعی‌ای که طراحی کرده است.

نقشه راه سریع برای پیاده‌سازی بالینی

تیم تحقیقاتی اکنون در حال آزمایش iSeg در محیط‌های بالینی است و عملکرد آن را به‌طور هم‌زمان با پزشکان مقایسه می‌کند. آن‌ها همچنین ویژگی‌هایی مانند بازخورد کاربران را یکپارچه کرده و در تلاشند تا این فناوری را برای انواع دیگر تومورها مانند سرطان کبد، مغز و پروستات گسترش دهند. این تیم همچنین قصد دارد iSeg را برای روش‌های تصویربرداری دیگر مانند MRI و اسکن‌های PET سازگار کند.

تروی تئو، نویسنده همکار و استاد انکولوژی پرتوی در فاینبرگ، گفت: «ما این فناوری را به‌عنوان ابزاری بنیادی می‌بینیم که می‌تواند نحوه هدف‌گیری تومورها در انکولوژی پرتوی را استانداردسازی و بهبود بخشد، به‌ویژه در محیط‌هایی که دسترسی به تخصص‌های فرعی محدود است.»

او افزود: «این فناوری می‌تواند به پشتیبانی از مراقبت‌های یکپارچه‌تر در سراسر مؤسسات کمک کند و ما معتقدیم که پیاده‌سازی بالینی آن در طی چند سال آینده ممکن است.»

منبع خبر : scitechdaily.com