Site icon رسانه تخصصی هوش مصنوعی سیمرغ

تشخیص زودهنگام سرطان پانکراس pancreatic cancer با هوش مصنوعی

انقلاب هوش مصنوعی در انکولوژی: تشخیص سرطان پانکراس ۳ سال پیش از ظهور تومور

سرطان لوزالمعده (پانکراس) | pancreatic cancer اغلب زمانی تشخیص داده می‌شود که برای درمان موثر بسیار دیر شده است. اما بر اساس یک مطالعه جدید، هوش مصنوعی ممکن است بتواند نشانه‌های این بیماری کشنده را مدت‌ها پیش از آنکه تومورها در اسکن‌ها قابل رویت باشند، شناسایی کند.

یک مدل هوش مصنوعی که در کلینیک مایو (Mayo Clinic) در مینه‌سوتا توسعه یافته، توانسته است ناهنجاری‌های موجود در سی‌تی اسکن (CT Scan) بیماران را تا سه سال قبل از تشخیص قطعی سرطان لوزالمعده تشخیص دهد. نتایج این دستاورد چشمگیر این هفته در مجله پزشکی Gut منتشر شده است.

عملکردی فراتر از چشم انسان

تیم تحقیقاتی کلینیک مایو، این مدل هوش مصنوعی را با استفاده از سی‌تی اسکن بیمارانی آموزش دادند که در ابتدا برای شرایط پزشکی دیگری غربالگری شده بودند، اما بعداً ابتلای آن‌ها به سرطان پانکراس تایید شد.

در یک ارزیابی مقایسه‌ای، محققان از رادیولوژیست‌ها خواستند تا این اسکن‌ها را بررسی کنند و سپس توانایی آن‌ها در یافتن علائم اولیه سرطان را با مدل هوش مصنوعی سنجیدند. نتایج خیره‌کننده بود: هوش مصنوعی در شناسایی علائم اولیه سه برابر بهتر از متخصصان انسانی عمل کرد.

دکتر آجیت گوئنکا (Ajit Goenka)، رادیولوژیست در کلینیک مایو و یکی از نویسندگان این مطالعه، می‌گوید: «ما بر اساس بیولوژی بیماری می‌دانستیم که این چیزی نیست که ناگهان در عرض سه ماه به وجود بیاید. می‌دانستیم که سیگنال‌ها آنجا هستند؛ فقط باید راهی برای تشخیص آن‌ها پیدا می‌کردیم.»

چرا این دستاورد یک «نقطه عطف» است؟

تشخیص سرطان پانکراس یکی از بزرگترین چالش‌های انکولوژی است:

دکتر دانیل جونگ (Daniel Jeong)، رادیولوژیست تشخیصی در مرکز سرطان موفیت، توضیح می‌دهد: «ما در اسکن‌ها به دنبال توده‌ای قابل اندازه‌گیری هستیم که نشان‌دهنده سرطان باشد. تومورها باید تا سطح خاصی رشد کنند تا برای چشم انسان نامرئی نباشند.» اما هوش مصنوعی مایو کلینیک، به گفته دکتر گوئنکا، توانسته سلول‌های غیرطبیعی در پانکراس را که از سرطان در برابر دفاع ایمنی بدن محافظت می‌کنند، شناسایی کند؛ سلول‌هایی که دانشمندان از وجودشان آگاه بودند اما یافتنشان در اسکن‌ها برای انسان بسیار دشوار بود.

کاربردهای آینده و مسیر پیش‌رو

دکتر گوئنکا خاطرنشان می‌کند که این مدل می‌تواند در آینده برای افرادی که دارای فاکتورهای خطر (مانند سابقه خانوادگی یا دیابت) هستند اما علائمی ندارند، بسیار مفید باشد. در صورت تشخیص هوش مصنوعی، پزشکان می‌توانند آزمایش خون و تصویربرداری‌های دقیق‌تری را توصیه کنند. با جلوگیری از گسترش سرطان به اندام‌های اصلی یا رگ‌های خونی، این فناوری می‌تواند تعداد بیمارانی که واجد شرایط جراحی، شیمی‌درمانی یا پرتودرمانی هستند را به شدت افزایش دهد.

این مدل در حال حاضر در یک کارآزمایی بالینی در حال ارزیابی است. از آنجایی که محققان باید شرکت‌کنندگان را بین ۳ تا ۵ سال پیگیری کنند تا مشخص شود چه کسی به سرطان مبتلا می‌شود، هنوز زمان زیادی تا عرضه عمومی این فناوری باقی مانده است.

دکتر گوئنکا در پایان با اشاره به این مسیر طولانی گفت: «در بیماری‌ای که دهه‌هاست در تاریکی مطلق آن سرگردان بوده‌ایم، این دستاورد نقطه عطفی است که خط پایان را به ما نشان می‌دهد، اما ما هنوز باید به آن خط پایان برسیم.»

Exit mobile version