هوش مصنوعی به کمک تشخیص سرطان لوزالمعده می آید

ببه گزارش کمیاب آنلاین، نتایج یک تحقیق جدید نشان داده است هوش مصنوعی در تشخیص سرطان لوزالمعده ابزاری بسیار کارآمد است.

به گزارش گروه علم و آموزش ایرنا از تارنمای اخبار علمی ساینس دیلی، سرطان لوزالمعده در میان انواع سرطان ها پایین ترین میزان بقای پنج ساله را دارد. پیشبینی شده است این بیماری دومین عامل مرگ ناشی از سرطان در آمریکا تا سال ۲۰۳۰ خواهد بود. تشخیص زودهنگام بهترین راه بهبود چشم انداز بیماری است. پیش آگهی بیماری زمانی که تومور بیشتر از ۲ سانتی متر رشد کند، بسیار بدتر می شود.
پیش بینی می شود سرطان پانکراس تا سال ۲۰۳۰ به دومین علت مرگ ناشی از سرطان در آمریکا تبدیل گردد. تشخیص زودهنگام بهترین راه برای بهبود چشم انداز نامطلوب این بیماری است؛ چونکه زمانی که تومور بیشتر از ۲ سانتی متر رشد کند، پیش آگهی بدتر می شود.
سی تی اسکن روش تصویربرداری کلیدی برای تشخیص این سرطان است اما حدود ۴۰ درصد از تومورهای زیر ۲ سانتی متر را شناسایی نمی نماید. در این میان نیاز مبرم به ابزاری موثر جهت کمک به رادیولوژیست ها در بهبود تشخیص سرطان پانکراس احساس می شود.
محققان در تایوان روی یک ابزار تشخیصی به کمک کامپیوتر (CAD) مطالعه می کنند که از نوعی هوش مصنوعی به نام یادگیری عمیق برای تشخیص سرطان پانکراس استفاده می نماید.
آنها قبلاً نشان داده بودند که این ابزار می تواند به صورت دقیق سرطان لوزالمعده را از لوزالمعده غیرسرطانی تشخیص دهد. با این وجود، آن مطالعه به تشخیص رادیولوژیست از روی تصویربرداری اتکا داشت. در مطالعه جدید، ابزار هوش مصنوعی سرطان را به صورت خودکار شناسایی کرد.
این دستاورد با عنایت به این که لوزالمعده با اندام ها و ساختارهای مختلف هم مرز و از نظر شکل و اندازه بسیار متفاوت می باشد، پیشرفتی مهم می باشد.




محققان این ابزار را با انجام یک مجموعه آزمایش روی ۵۴۶ بیمار مبتلا به سرطان لوزالمعده و ۷۳۳ شرکت کننده تهیه کردند. این ابزار به حساسیت ۹۰ درصد و خصوصیت ۹۶ درصد دست یافت.
اعتبارسنجی پس از ۱۴۷۳ آزمون سی تی اسکن فردی از موسسات سراسر تایوان دنبال شد. این ابزار به ۹۰ درصد حساسیت و ۹۳ درصد خصوصیت در تشخیص سرطان لوزالمعده در مقایسه با گروه کنترل دست یافت. حساسیت برای تشخیص تومور کمتر از ۲ سانتی متر، ۷۵ درصد بود.
دکتر ویچونگ وانگ، نویسنده ارشد این مطالعه و استاد دانشگاه ملی تایوان و مدیر لابراتوار MeDA دانشگاه اظهار داشت: به نظر می آید عملکرد ابزار یادگیری عمیق CAD با عملکرد رادیولوژیست ها برابری می کند. به صورت خاص، در این مطالعه، حساسیت ابزار تشخیص عمیق به کمک کامپیوتر برای سرطان لوزالمعده با عملکرد رادیولوژیست ها بدون توجه به اندازه و مرحله رشد تومور قابل مقایسه است.
وانگ اظهار داشت: ابزار CAD قابلیت ارائه انبوهی از اطلاعات را جهت کمک به پزشکان دارد و می تواند منطقه مشکوک سرطان را نشان دهد تا به تشخیص رادیولوژیست سرعت بخشد.
وی چی لیائو، نویسنده ارشد این مطالعه از دانشگاه ملی تایوان و بیمارستان دانشگاه ملی تایوان، اظهار داشت: ابزار CAD امکان دارد بعنوان مکملی برای رادیولوژیست ها عمل کند تا تشخیص سرطان پانکراس را بهبود بخشد.
محققان درحال برنامه ریزی برای انجام مطالعات بیشتر هستند. آنها می خواهند عملکرد این ابزار را در جمعیت های متنوع تری بررسی نمایند. از آنجائیکه مطالعه فعلی گذشته نگر بود، آنها می خواهند ببینند که هوش مصنوعی چگونه در شرایط بالینی عمل می کند.

آخرین مطالب مرتبط