این مدل هوش مصنوعی، تومورهای مغزی پنهان را تنها در ۱۰ ثانیه شناسایی می‌کند!

در یک موفقیت دیگر برای هوش مصنوعی در حوزه سلامت، محققان مدلی توسعه داده‌اند که می‌تواند تکه‌های باقی‌مانده از تومورهای مغزی را که جراحان ممکن است هنگام جراحی از دست بدهند، شناسایی کند. این مدل می‌تواند این بافت‌های باقی‌مانده را در مدت تنها ۱۰ ثانیه تشخیص دهد و از عوارض کوتاه‌مدت و بلندمدت پس از جراحی جلوگیری کند.

این فناوری که توسط محققان دانشگاه میشیگان و دانشگاه کالیفرنیا سانفرانسیسکو توسعه یافته، FastGlioma نام دارد؛ نامی برگرفته از «گلیوما» که به نوعی تومور مغزی یا نخاعی اشاره دارد.

دکتر تاد هلون، جراح مغز و اعصاب و نویسنده ارشد مقاله‌ای که در مجله Nature به بررسی کارایی FastGlioma پرداخته، می‌گوید:
این فناوری سریع‌تر و دقیق‌تر از روش‌های استاندارد کنونی در تشخیص تومور عمل می‌کند و می‌تواند برای تشخیص سایر تومورهای مغزی در کودکان و بزرگسالان نیز تعمیم یابد. این مدل می‌تواند به عنوان پایه‌ای برای هدایت جراحی‌های تومور مغزی عمل کند.

در بیشتر جراحی‌های حذف تومور، تشخیص تفاوت بین بافت سالم مغزی و بافت توموری دشوار است. در نتیجه، ممکن است بخشی از تومور در حفره‌ای که جرم از آن برداشته شده باقی بماند. این بافت‌های باقی‌مانده می‌توانند منجر به عوارض متعددی شوند، از جمله تشنج، عفونت، سردرد، زوال شناختی و اختلالات حرکتی.

در حال حاضر، هرچند این تومورهای باقی‌مانده را می‌توان با تصویربرداری MRI یا عوامل تصویربرداری فلوروسنت یافت، اما این روش‌ها همیشه در دسترس نیستند یا برای تمام انواع تومورها کاربرد ندارند.

تلاش‌های دیگری نیز برای رفع این مشکل انجام شده است، مانند SpectroPen مجهز به لیزر در سال ۲۰۱۰ و نانوذرات طلایی برای تصویربرداری در جراحی در سال ۲۰۱۲. با این حال، مشخص نیست که این فناوری‌ها تجاری‌سازی موفقی داشته‌اند یا خیر.

FastGlioma ممکن است موفقیت بیشتری کسب کند، زیرا این سیستمِ تشخیصی مبتنی بر هوش مصنوعی تنها به دسترسی به مدل متن‌باز و قدرت محاسباتی نیاز دارد.

این فناوری از مدل‌های بنیادی استفاده می‌کند، نوعی سیستم هوش مصنوعی که بر روی مجموعه داده‌های بزرگ برای انجام وظایف متنوع آموزش دیده است. این مدل‌ها می‌توانند الگوها را یاد بگیرند تا زبان را درک کرده و تصاویر را دسته‌بندی کنند؛ مانند مدل GPT-4 از OpenAI.

در این مورد، FastGlioma با استفاده از بیش از ۱۱,۰۰۰ نمونه جراحی و ۴ میلیون میدان میکروسکوپی منحصر به فرد آموزش دیده است. نمونه‌های تومور از طریق یک روش تصویربرداری با وضوح بالا به نام Histology Raman Stimulated تصویربرداری شده‌اند.

این فناوری می‌تواند در عرض ۱۰۰ ثانیه با دقت ۹۲ درصد با استفاده از تصاویر با وضوح کامل نفوذ تومور را تشخیص دهد. همچنین با تصاویر با وضوح پایین‌تر، دقت ۹۰ درصدی را تنها در ۱۰ ثانیه ارائه می‌دهد. این قابلیت به جراحان امکان می‌دهد به‌سرعت تعیین کنند که آیا قسمت‌هایی از تومور برای هنوز در مغز باقی‌مانده‌ است یا خیر.

این فناوری که بزرگ‌ترین پیشرفت در بهبود نرخ شناسایی تومورهای باقی‌مانده در دو دهه اخیر را نشان می‌دهد می‌تواند کیفیت زندگی بیماران را پس از جراحی به‌طور چشمگیری بهبود بخشد و نیاز به جراحی‌های اصلاحی پرهزینه را کاهش دهد.

این فناوری نمونه‌ای برجسته از کمک هوش مصنوعی به بهبود نتایج بیماران در جراحی مغز و اعصاب است. سال گذشته، ابزار دیگری به نام CHARM معرفی شد که می‌تواند ترکیب ژنتیکی یک تومور را با دقت رمزگشایی کند و مراحل بعدی را به‌اندازه کافی سریع تعیین کند تا در طول جراحی مورد استفاده قرار گیرد.

FastGlioma همچنین می‌تواند به زودی برای کمک به بیماران مبتلا به سایر انواع سرطان گسترش یابد. دکتر آدیتیا اس. پاندی، یکی از نویسندگان مقاله درباره این فناوری گفت:

در مطالعات آینده، ما بر روی کاربرد فرآیند FastGlioma در سایر سرطان‌ها از جمله سرطان ریه، پروستات، پستان و سر و گردن تمرکز خواهیم کرد.

منبع: Newatlas