آینده روشن تشخیص سرطان با هوش مصنوعی

ورود علم هوش مصنوعی به زندگی بشر مزایای بسیاری را به همراه داشته است. تشخیص بیماری ها یکی از زمینه هایی است که آینده روشنی برای آن تصور می شود.

به گزارش گروه علم و فناوری ایسکانیوز، محققان الگوریتمی برای تشخیص ضایعات بدخیم و خوش خیم در اسکن بافت سینه کشف کردند.

کلید درمان بیماری سرطان تشخیص زودهنگام آن است. در حال حاضر پزشکان به تصویربرداری با کیفیت بالا دسترسی دارند و رادیولوژیست‌های ماهر می توانند نشانه های هشدار دهنده رشد غیرطبیعی را مشاهده و شناسایی کنند.

پس از شناسایی، گام بعدی تعیین خوش خیم و یا بدخیم بودن رشد تومور، توسط پزشکان است. یک روش قابل اطمینان برای تشخیص، نمونه برداری است که روشی تهاجمی به حساب می آید.

اما بعد از این روش نیز امکان خطا وجود دارد. برخی از افراد سالم به عنوان بیمار سرطانی تشخیص داده می شوند و بالعکس، در هر دو حالت نتیجه به دست آمده، نگرانی هایی برای بیماران وجود دارد و حتی وضعیت دوم باعث تاخیر در درمان می‌شود.

محققان به دنبال بهبود روند تشخیصی برای جلوگیری از این مسائل هستند. تشخیص بدخیم یا خوش خیم بودن ضایعه قابل اطمینان‌تر است که بدون نیاز به نمونه برداری می‌تواند تغییر دهنده این بازی باشد.

ورود هوش مصنوعی به محدوده تعیین وضعیت بیمار

برخی از دانشمندان به بررسی توانایی هوش مصنوعی در این زمینه پرداخته اند. دانشمندان در مطالعه اخیر یک الگوریتم را با نتایج تشویقی آموزش دادند.

هوش مصنوعی و الاستوگرافی

سونوگرافی الاستوگرافی یک روش تشخیصی نسبتا جدید است که سفتی بافت سینه را آزمایش می کند. این کار با استفاده از ارتعاش بافت انجام می شود که با ایجاد یک موج در اسکن سونوگرافی اعوجاج هایی به وجود می آید و در نهایت مناطقی از سینه که در آن خواص متفاوت از بافت معمولی بدن وجود دارد، برجسته می شود.

ارتجاع‌نگاری یا الاستوگرافی (Elastography) یک مودالیتهٔ تصویربرداری پزشکی است که قابلیت ارتجاع و سختی (stiffness) بافت نرم را تعیین می‌کند. دلیل سنجش نرمی و سختی بافت این است که با استفاده از این کار می‌توان وجود یا وضعیت پیشرفت برخی بیماری‌ها را تشخیص داد. برای مثال تومورهای سرطانی معمولاً سخت‌تر از بافت اطراف هستند، مثال دیگر کبدهای بیمار است که نسبت به کبدهای سالم سخت‌تر هستند.

پزشک با استفاده از این اطلاعات، یک ضایعه سرطانی را تشخیص می دهد اگر چه این روش دارای پتانسیل بسیار بالایی است اما تجزیه و تحلیل نتایج الاستوگرافی زمان گیر، شامل چندین مرحله و نیاز به حل مسائل پیچیده دارد.

اخیرا گروهی از محققان دانشکده مهندسی ویتربی در دانشگاه کالیفرنیای جنوبی در حال توسعه یک الگوریتم هستند تا از طریق آن مراحل مورد نیاز برای جلب اطلاعات از این تصاویر کاهش یابد. نتایج تحقیقات در مجله Computer Methods in Applied Mechanics and Engineering منتشر شد.

دانشمندان با استفاده از داده های مصنوعی(به جای اسکن های واقعی) سعی در آموزش الگوریتم برای تشخیص بدخیم یا خوش خیم بودن ضایعه داشتند.

داده های مصنوعی

دانشمندان در مورد علت استفاده از این داده ها اظهار کردند که در موقعیت های پزشکی مانند این، داشتن تعداد تصاویر زیاد بسیار نادر است و این نوع تکنیک ها به دلیل سروکار داشتن با سلامتی انسان ها بسیار مهم هستند.

محققان، الگوریتم یادگیری ماشین را به عنوان یک شبکه عصبی پیچشی با بیش از 12000 تصاویر آموزش دادند. در این مسیر الگوریتم ابداعی به 80 درصد دقت تشخیص درست رسیده است. آن ها بعد از آموزش با داده های مصنوعی، الگوریتم خود را با داده های دنیای طبیعی بهبود دادند.

اگرچه رسیدن به دقت 80 درصدی خوب است اما کافی نیست و محققان بر این باورند که اگر کار آموزش را با داده های واقعی انجام دهند، دقت بالاتر از این نیز خواهد رفت.

رشد هوش مصنوعی

در سال های اخیر علاقه ها برای استفاده از هوش مصنوعی به عنوان یک روش تشخیصی افزایش یافته است.
در این راستا علم به طور موفقیت آمیزی برای تجزیه و تحلیل تصاویر رادیولوژی، آسیب شناسی و درماتولوژی، همانند متخصصان پزشکی با سرعت تشخیص بالا به کار گرفته شده است.

محققان امیدوارند که بتوانند این روش جدید را برای تشخیص انواع دیگر سرطان نیز گسترش دهند. رشد تومور باعث تغییر رفتار یک بافت می شود که می توان با استفاده از این تغییرات، الگوریتم را برای تشخیص آن ها تعیین کرد.

به دلیل تفاوت هر نوع از سرطان نسبت به محیط اطراف، باید تمامی آن‌ها را چارت بندی کرد و متناسب با تفاوت ها الگوریتم را آموزش داد.

دانشمندان در حال کار بر روی CT اسکن سرطان کلیه برای شناسایی راه هایی توسط هوش مصنوعی برای تشخیص این بیماری هستند. هوش مصنوعی در مورد تشخیص بیماری سرطان در ابتدای راه است اما امیدهای زیادی برای آینده آن وجود دارد.

انتهای پیام/

کد خبر: 1021384

وب گردی

وب گردی