هوش مصنوعی به کمک تشخیص سرطان لوزالمعده می‌آید
به گزارش «نبض فناوری»، سرطان لوزالمعده در بین انواع سرطان ها کمترین میزان بقای پنج ساله را دارد. پیش بینی 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 شود. تشخیص زودهنگام بهترین راه برای بهبود چشم انداز نامطلوب این بیماری است؛ زیرا زمانی که تومور بیش 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 کند. در این میان نیاز مبرم به ابزاری موثر برای کمک به رادیولوژیست ها در بهبود تشخیص سرطان پانکراس احساس می شود.
محققان در تایوان روی یک ابزار تشخیصی به کمک رایانه (CAD) مطالعه می کنند که از نوعی هوش مصنوعی به نام یادگیری عمیق برای تشخیص سرطان پانکراس استفاده می کند.
آنها قبلاً نشان داده بودند که این ابزار می تواند به طور دقیق سرطان لوزالمعده را از لوزالمعده غیرسرطانی تشخیص دهد. با این حال، آن مطالعه به تشخیص رادیولوژیست از روی تصویربرداری اتکا داشت. در مطالعه جدید، ابزار هوش مصنوعی سرطان را به طور خودکار شناسایی کرد.
این دستاورد با توجه به اینکه لوزالمعده با اندام ها و ساختارهای متعدد هم مرز و از نظر شکل و اندازه بسیار متفاوت است، پیشرفتی مهم است.
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 ویژگی ۹۶ درصد دست یافت.
اعتبارسنجی بعد از ۱۴۷۳ آزمون سی تی اسکن فردی از موسسات سراسر تایوان دنبال شد. این ابزار به ۹۰ درصد حساسیت و ۹۳ درصد ویژگی 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 آزمایشگاه MeDA دانشگاه گفت: به نظر می‌رسد عملکرد ابزار یادگیری عمیق CAD با عملکرد رادیولوژیست‌ها برابری می‌کند. به طور خاص، در این مطالعه، حساسیت ابزار تشخیص عمیق به کمک رایانه برای سرطان لوزالمعده با عملکرد رادیولوژیست ها بدون توجه به اندازه و مرحله رشد تومور قابل مقایسه است.
وانگ گفت: ابزار CAD قابلیت ارایه انبوهی از اطلاعات را برای 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، گفت: ابزار CAD ممکن است به عنوان مکملی برای رادیولوژیست ها عمل کند تا تشخیص سرطان پانکراس را بهبود بخشد.
محققان در حال برنامه ریزی برای انجام مطالعات بیشتر هستند. آنها می خواهند عملکرد این ابزار را در جمعیت های متنوع تری بررسی کنند. از آنجا که مطالعه فعلی گذشته‌نگر بود، آنها می‌خواهند ببینند که هوش مصنوعی چگونه در شرایط بالینی عمل می‌کند.
