ابزار هوش مصنوعی با راهنمایی جراحان، درمان تومور مغزی را متحول می کند: مطالعه

اگرچه ممکن است دقت این ابزار با آزمایش‌های ژنتیکی فعلی مطابقت نداشته باشد، اما می‌تواند به سرعت مشخصات تومور را پیش‌بینی کند.

یک ابزار هوش مصنوعی (AI) برای کمک به پزشکان در مبارزه با تومورهای تهاجمی مغز پدید آمده است. این به شناسایی ویژگی های حیاتی که راهنمایی را در طول جراحی ارائه می دهد کمک می کند.

دستگاه ارزیابی و بررسی هیستوپاتولوژی کرایوسکشن (Charm) ابزاری پیشرفته است که به طور موثر تصاویر را برای شناسایی مشخصات ژنتیکی گلیوما، نوعی تومور تهاجمی مغزی، تجزیه و تحلیل می‌کند. در حال حاضر این فرآیند روزها یا هفته ها طول می کشد. کان-هسینگ یو، نویسنده ارشد گزارش 7 ژوئیه در مد، توضیح داد که جراحان برای هدایت عملیات خود بر تشخیص های دقیق تکیه می کنند.

اگرچه دقت این ابزار نمی تواند با آزمایش های ژنتیکی فعلی مطابقت داشته باشد، اما می تواند به سرعت مشخصات تومور را پیش بینی کند. یو توضیح داد: این تجزیه و تحلیل سریع پزشکان را قادر می سازد تا بدون نیاز به برنامه ریزی و انجام جراحی های اضافی، درمان مناسب را انجام دهند و در وقت ارزشمند خود صرفه جویی کنند.

علاوه بر این، Charm می تواند بین سلول های تومور بدخیم و خوش خیم تمایز قائل شود و درجه تومور را تعیین کند که نشان دهنده سطح تهاجمی آن است. اینها ارزیابی هایی هستند که آسیب شناسان انسانی معمولاً در طول جراحی انجام می دهند. با این حال، به گفته یو، Charm می تواند نیاز به 10 تا 15 دقیقه انتظار یا حضور پاتولوژیست در حالت آماده به کار را در طول عمل برطرف کند.

گلیوما – به ویژه زیرگروه تهاجمی که به نام گلیوبلاستوم شناخته می شود – یک تهدید قابل توجه است و موارد درمان نشده منجر به مرگ در کمتر از شش ماه می شود. طبق گفته انجمن جراحان مغز و اعصاب آمریکا، به طرز غم انگیزی، تنها 17 درصد از افراد مبتلا به گلیوبلاستوما پس از سال دوم زنده می مانند.

یو و تیمش یک الگوریتم یادگیری ماشینی را با استفاده از تصاویر نمونه های جراحی مغز و تأیید صحت آن در برابر تشخیص های بیمار آموزش دادند. Charm در شناسایی پروفایل های ژنتیکی تومور بهتر از سایر سیستم های هوش مصنوعی عمل کرد.

جراحان هنگام تصمیم گیری های مهم در مورد میزان برداشتن بافت و استفاده بالقوه از ویفرهای پوشش داده شده با دارو در درمان تومورهای گلیوما، به شدت به مشخصات ژنتیکی تومور تکیه می کنند. متأسفانه در حال حاضر به دست آوردن این اطلاعات فرآیندی زمان بر است.

تحقیقات انجام شده توسط یو و تیمش به طیف گسترده ای از ابتکارات کمک می کند که از هوش مصنوعی برای بهبود تشخیص و درمان سرطان استفاده می کنند. در سرمقاله قابل توجهی که در نسخه ژوئن Lancet Oncology منتشر شد ، قابلیت‌های سیستم‌های خاص برای شناسایی دقیق افراد با خطر بالای سرطان پانکراس، ریه و سینه مورد تاکید قرار گرفت.