به گزارش گروه علم و فناوری ایسکانیوز، محققان در مجله علمی «IEEE Access»گزارش دادند که رویکرد جدید یادگیری ماشین نوع متداول تومور مغزی را با دقت تقریبا 98درصد طبقه بندی می کند.

دانشمندان هند و ژاپن از جمله دانشگاه کیوتو، این روش را جهت کمک به پزشکان در انتخاب موثرترین استراتژی درمانی برای بیماران خاص تهیه کردند.

گلیوما نوع متداول تومور مغزی است که روی سلولهای گلیال تأثیر می‌گذارد. درمان بیمار بسته به رفتار تومور متفاوت است، بنابراین باید تشخیص مناسب هر فرد داده شود.

رادیولوژیست ها برای بازسازی تصویری سه بعدی از بافت اسکن شده، داده های زیادی از اسکن های MRI به‌دست می آورند. بسیاری از داده های موجود در اسکن های MRI مانند جزئیات مربوط به شکل تومور، بافت یا شدت تصویر با چشم غیر مسلح قابل شناسایی نیستند.

الگوریتم های هوش مصنوعی (AI) به استخراج این داده‌ها کمک می‌کنند. متخصصان انکولوژیست پزشکی از این روش به نام رادیومیک جهت بهبود تشخیص بیماران استفاده کرده اند؛ اما دقت هنوز هم باید افزایش یابد.

انتخاب معالجه بیمار تا حد زیادی به توانایی تعیین درجه گلیوما بستگی دارد. این تیم از مجموعه ای از اسکنهای MRI متعلق به 210 نفر با گلیومای درجه بالا و 75 نفر درجه پایین استفاده کردند.

آنها الگوریتم های خاصی را برای استخراج ویژگی های برخی از اسکن های MRI انتخاب کردند و سپس الگوریتم پیش بینی کننده دیگری را برای پردازش این داده ها و طبقه بندی گلیوماها آموزش دادند. دانشمندان مدل خود را روی بقیه اسکن های MRI آزمایش کردند تا صحت آن ارزیابی شود.

محققان اعلام کردند که روش آن‌ها در پیش بینی نمرات گلیوما از اسکن های MRI مغزی از سایر رویکردهای پیشرفته فراتر رفته است.

دانشمندان امیدوارند که هوش مصنوعی به توسعه یک مدل نرم افزاری پیش بینی کننده نیمه اتوماتیک یا اتوماتیک کمک کند؛ تا برای پزشکان و رادیولوژیست‌ها در زمینه یافتن بهترین روش ها برای بیماران خاص راه گشا باشد.

انتهای پیام/