پیشبینی بازگشت تومور مغزی در کودکان با هوش مصنوعی
به گزارش سایت شیک، دانشمندان یک سامانه «هوش مصنوعی» را توسعه داده اند که با استفاده از اسکن های MRI متوالی، امکان بازگشت تومور مغزی در کودکان را پیشبینی می کند.
به گزارش سایت شیک به نقل از ایسنا، محققان با استفاده از یک رویکرد جدید «یادگیری زمانی»( temporal learning) در «هوش مصنوعی» که چندین تصویر بعد از درمان را پردازش می کند، عملکرد این سامانه را به صورت قابل توجهی بهبود بخشیدند.
به نقل از اس تی دی، این رویکرد، نویدبخش کاهش تصویربرداری غیر ضروری و اضطراب خانواده هاست. این سامانه قابلیت مداخله زودهنگام و هدفمندتر در مواقع خطر عود تومور را دارد.
دانشمندان پیشبینی می کنند که آزمایش های بالینی، اثربخشی این سامانه را تأیید کنند.
قابلیت هوش مصنوعی در تشخیص تومور مغزی کودکان
«هوش مصنوعی» جهت بررسی مجموعه های تصاویر پزشکی بسیار پرارزش است و اغلب، الگوهایی را کشف می کند که امکان دارد توسط متخصصان انسانی نادیده گرفته شوند. «هوش مصنوعی» این پتانسیل را دارد نحوه نظارت پزشکان بر کودکان با بیماری «گلیوما»(glioma) را بهبود بخشد.
«گلیوما» نوعی تومور مغزی است که عموماً قابل درمان است، اما گاهی اوقات بعد از درمان می تواند عود کند.
محققان بیمارستان ماساچوست با همکاری بیمارستان کودکان بوستون و مرکز سرطان و اختلالات خونی کودکان «دانا- فاربر»(Dana-Farber)، یک سامانه یادگیری عمیق را توسعه داده اند که مجموعه ای از اسکن های مغزی گرفته شده بعد از درمان را بررسی می کند.
این «هوش مصنوعی» برای شناسایی علایم اولیه بازگشت تومور، آموزش دیده است.
چالش پیشبینی عود بیماری
دکتر «بنجامین کان»(Benjamin Kann)، نویسنده و سرپرست برنامه «هوش مصنوعی در پزشکی»(AIM)، می گوید: خیلی از «گلیوماهای» کودکان تنها با جراحی قابل درمان هستند، اما وقتی عود می کنند، می توانند ویرانگر باشند.
وی ادامه داد: پیشبینی این که چه کسی امکان دارد در معرض خطر عود باشد، بسیار دشوار است، ازاین رو بیماران سال ها تحت پیگیری های مکرر با تصویربرداری MRI قرار می گیرند. این فرایند می تواند برای کودکان و خانواده ها تنش زا باشد. ما به ابزارهای بهتری برای شناسایی زودهنگام بیمارانی که در معرض بیشترین خطر عود هستند، نیاز داریم.
تلاشی همگانی برای آموزش هوش مصنوعی
از آنجائیکه سرطان های کودکان نسبتاً نادر هستند، مطالعاتی مانند این اغلب به علت داده های محدود با چالش هایی روبرو هستند. محققان برای غلبه بر این مشکل با مؤسساتی در سرتاسر ایالات متحده همکاری کردند و مجموعه ای از داده ها را که شامل ۴۰۰۰ اسکن MRI از ۷۱۵ کودک است، جمع آوری کنند.
آنها برای بهره برداری هرچه بیشتر از این داده ها از نگاهی معروف به «یادگیری زمانی» استفاده کردند. این رویکرد، «هوش مصنوعی» را آموزش می دهد با بررسی چگونگی تغییر اسکن های مغزی کودک در مدت زمان بعد از جراحی، الگوها را تشخیص دهد و توانایی آنرا در پیشبینی عود بیماری بهبود بخشد.
یادگیری زمانی در تصویربرداری پزشکی
معمولا مدلهای «هوش مصنوعی» برای تصویربرداری پزشکی و نتیجه گیری از اسکن های منفرد آموزش داده می شوند. این سامانه با رویکرد «یادگیری زمانی» در تصاویر به دست آمده می تواند الگوریتمی از عود سرطان را پیش بینی نماید.
محققان برای توسعه رویکرد «یادگیری زمانی»، ابتدا مدل را آموزش دادند تا اسکن های MRI بعد از جراحی بیمار را به ترتیب زمانی مرتب کند تا بتواند تغییرات کوچک را تشخیص دهد. سپس محققان تنظیمات مدل را بروزرسانی کردند تا تغییرات را با عود سرطان به درستی مرتبط کند.
افزایش دقت با یادگیری زمانی
در نهایت، محققان دریافتند که مدل «یادگیری زمانی»، عود گلیومای درجه پایین یا بالا را تا یک سال بعد از درمان، با دقت ۷۵ تا ۸۹ درصد پیشبینی می کند.
عرضه تصاویر بعد از درمان به «هوش مصنوعی»، دقت پیشبینی این سامانه را افزایش داد.
به سوی پیاده سازی بالینی و آزمایش های آینده
محققان می گویند که اعتبارسنجی بیشتری در تنظیمات این سامانه پیش از کاربرد بالینی ضروریست.
آنها امیدوارند آزمایش های بالینی را آغاز کنند تا ببینند آیا پیشبینی های «هوش مصنوعی» می تواند منجر به بهبود مراقبت ها شود یا خیر. این پیشبینی ها می تواند با کاهش دفعات تصویربرداری برای بیماران کم خطر یا با درمان پیشگیرانه بیماران پرخطر منجر به بهبود مراقبت ها شود.
پتانسیل گسترده هوش مصنوعی
«دیویانشو تاک»(Divyanshu Tak)، نویسنده ارشد این مطالعه در بیمارستان عمومی ماساچوست اظهار داشت: ما نشان داده ایم که «هوش مصنوعی» قادر به بررسی مؤثر و پیشبینی از تصاویر مختلف است. این تکنیک امکان دارد در خیلی از محیط هایی که بیماران تصویربرداری های مکرر و متوالی انجام می دهند، اعمال شود و ما هیجان زده ایم که ببینیم این پروژه الهام بخشی چه مسائلی خواهد بود.
این یافته ها در The New England Journal of Medicine AI انتشار یافته است.
منبع: shiksite.ir
این مطلب سایت شیک را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب