به گزارش سرویس ترجمه خبرگزاری ایمنا، پژوهشگران حوزه هوش مصنوعی پزشکی، روش نوینی ابداع کردهاند که میتواند تشخیص و طبقهبندی تومورهای مغزی را از روی تصاویر امآرآی با دقتی به مراتب بالاتر از سیستمهای تشخیصی مرسوم بهبود بخشد. این یافتهها که در مجله معتبر Healthcare Analytics به چاپ رسیده است، نشان میدهد که ترکیب مدلهای پیشرفته هوش مصنوعی میتواند عملکرد تشخیصی را به طور چشمگیری ارتقا دهد.
تیم تحقیقاتی، یک سامانه دو مرحلهای برای تحلیل تصاویر امآرآی مغز طراحی کردهاند که در مرحله نخست، وجود تومور را تشخیص میدهد و در صورت تشخیص، مرحله دوم نوع تومور را به یکی از سه دسته اصلی شامل گلیوما، مننژیوم یا تومور هیپوفیز طبقهبندی میکند. این ساختار دو سطحی، هماهنگی نزدیکی با گردشکار واقعی بالینی دارد و امکان تشخیص سریعتر و دقیقتر را فراهم میآورد.
از میان مدلهای ارزیابیشده، مدل Vision Transformer در تشخیص تصاویر دارای تومور از تصاویر سالم بهترین عملکرد را داشت، در حالی که معماری دیگری در تمایز بین انواع مختلف تومورها عملکردی برجسته از خود نشان داد. به گفته نویسندگان، این معماریها پتانسیل پشتیبانی از ابزارهای غربالگری زودهنگام تومور را در گردشکار بالینی دارند.
یافتههای این پژوهش در شرایطی بسیار حائز اهمیت است که تومورهای مغزی همچنان یکی از علل اصلی مرگومیر ناشی از سرطان در سراسر جهان به شمار میروند و بر اساس آمار سازمان جهانی بهداشت، سالانه حدود دویست و پنجاه هزار نفر بر اثر این بیماری جان خود را از دست میدهند. پژوهشگران نتایج خود را بر اساس تحلیل ۷۰۲۳ تصویر امآرآی شامل سه دسته توموری و تصاویر افراد سالم، پایهگذاری کردهاند و برای تضمین شفافیت و تکرارپذیری، تمام آزمایشها بر اساس پروتکل ارزیابی مشخصی انجام شده است.
تشخیص زودهنگام تومورهای مغزی میتواند بهطور قابلتوجهی نتایج درمان را بهبود بخشد و پژوهشگران تأکید کردهاند که سیستم طراحیشده از نظر محاسباتی بسیار کارآمد است و زمان پردازش آن برای تشخیص و طبقهبندی، کمتر از ۲۲ میلیثانیه ثبت شده که نشاندهنده مناسب بودن این سیستم برای کاربردهای بالینی تقریباً بلادرنگ است، هرچند ارزیابی عملکرد مدل در شرایط تصاویر با وضوح پایین یا شرایط متغیر امآرآی، یکی از زمینههای مهم برای تحقیقات آینده به شمار میرود.
اگرچه نتایج این مطالعه بسیار امیدوارکننده است، اما پژوهشگران به چندین محدودیت اساسی اشاره کردهاند و تأکید دارند که آزمایشها بر روی مجموعه دادههای عمومی انجام شده که ممکن است تنوع کامل بیماران واقعی، بیمارستانها و تجهیزات تصویربرداری را پوشش ندهد. آنان تصریح میکنند که پیش از هرگونه استقرار سیستم در فعالیتهای معمول پزشکی، انجام آزمایشهای تکمیلی بر روی مجموعه دادههای بزرگتر و متنوعتر، امری ضروری است.
پژوهشگران در پایان پیشنهاد کردهاند که تحقیقات آینده میتوانند از ابزارهای تفسیرپذیری برای درک بهتر فرآیند تصمیمگیری مدل استفاده کنند تا اعتماد پزشکان به این فناوری افزایش یابد، اما با وجود نیاز به اعتبارسنجی تکمیلی، یافتههای فعلی نشان میدهد که تکنیکهای مدرن هوش مصنوعی، پتانسیل قابلتوجهی برای افزایش دقت، سرعت و قابلیت اطمینان تشخیص تومورهای مغزی از تصاویر امآرآی دارند.
نظر شما