محققان یک مدل هوش مصنوعی جدید ابداع کرده‌اند که می‌تواند در زمان واقعی پیش‌بینی کند که آیا جراح تمام تومورهای سرطانی سینه را برداشته است یا خیر.
به گزارش تکناک، روش ارجح برای سرطان پستان در مراحل اولیه، رادیوتراپی همراه با جراحی حفظ پستان است که به عنوان ماستکتومی جزئی شناخته می شود. برای جلوگیری از عود سرطان بسیار مهم است که تمام بافت های سرطانی سینه در طول جراحی برداشته شود.
این مسئله با بررسی لبه های بیرونی بافت برداشته شده بررسی می شود تا اطمینان حاصل شود که آنها حاوی سلول های سرطانی که به عنوان “حاشیه منفی” شناخته می شوند، نیستند.
ماموگرافی بافت به طور گسترده به عنوان وسیله ای برای اطمینان از برداشتن حاشیه های منفی استفاده می شود، زیرا می توان آن را در اتاق عمل انجام داد و بازخورد فوری را ارائه می دهد. با این حال ماموگرافی نمونه می‌تواند نادرست باشد و اگر بعدا سلول‌های سرطانی شناسایی شوند، جراحی بیشتری برای برداشتن بافت اضافی مورد نیاز است.
محققان دانشکده پزشکی دانشگاه کارولینای شمالی (UNC) یک مدل هوش مصنوعی ابداع کردند که می تواند در زمان واقعی پیش بینی کند که آیا بافت سرطانی به طور کامل در طی جراحی سرطان سینه برداشته شده است یا خیر.
کریستالین گالاگر، یکی از نویسندگان مربوطه این مطالعه می‌گوید: بعضی از سرطان‌ها را حس می‌کنید و می‌بینید، اما ما نمی‌توانیم سلول‌های سرطانی میکروسکوپی که ممکن است در حاشیه منفی بافت وجود داشته باشند را ببینیم. این ابزار هوش مصنوعی به ما این امکان را می‌دهد که تومورهای برداشته شده با جراحی را به‌طور هم‌زمان با دقت بیشتری تجزیه و تحلیل کنیم و شانس حذف تمام سلول‌های سرطانی در طول جراحی را افزایش دهیم. این مدل هوش مصنوعی از نیاز به بازگرداندن بیماران برای جراحی دوم یا سوم جلوگیری می کند.
محققان برای آموزش مدل هوش مصنوعی خود برای این که حاشیه‌های منفی و مثبت چگونه به نظر می‌رسند، از 821 تصویر ماموگرافی نمونه که بلافاصله پس از برش برداشته شده بودند، استفاده کردند که با گزارش‌های نمونه نهایی پاتولوژیست‌ها مطابقت داشت. بیش از نیمی (53٪) از تصاویر دارای حاشیه مثبت بودند. پزشکان داده های دموگرافیک بیماران مانند سن، نژاد، نوع تومور و اندازه تومور را در اختیار مدل قرار دادند.
آنها متوجه شدند که مدل هوش مصنوعی حساسیت را به میزان 85٪، ویژگی را به میزان 45٪ و ناحیه زیر منحنی مشخصه عملکرد گیرنده(AUROC) را با میزان 0.71 نشان می دهد. حساسیت معیاری است که نشان می دهد یک مدل چقدر می تواند نمونه های مثبت را تشخیص دهد، در حالی که ویژگی، نسبت منفی های واقعی را که مدل به درستی شناسایی می کند، اندازه گیری می کند. AUROC عملکرد کلی یک مدل را اندازه گیری می کند و مقداری بین صفر و یک ارائه می دهد که در آن 0.5 نشان دهنده حدس زدن تصادفی و 1 نشان دهنده عملکرد کامل است.
محققان می گویند که در مقایسه با دقت تفسیر انسان، این مدل هوش مصنوعی اگر بهتر از انسان نباشد، عملکرد خوبی داشته است. مطالعات قبلی نشان داده اند که ماموگرافی نمونه دارای حساسیت بین 20٪ تا 58٪ و AUROC از 0.60 تا 0.73 است.
کوین چن، نویسنده اصلی این مطالعه گفت: فکر کردن در مورد اینکه چگونه مدل‌های هوش مصنوعی می‌توانند از تصمیم‌گیری پزشک و جراح در اتاق عمل با استفاده از بینایی کامپیوتر پشتیبانی کنند، جالب است. ما متوجه شدیم که مدل هوش مصنوعی در شناسایی حاشیه‌های مثبت با انسان‌ها همخوانی دارد یا کمی از آنها پیشی می‌گیرد.
این مدل در تشخیص حاشیه در بیماران با تراکم پستان بالاتر مفید بود. در ماموگرافی، بافت پستان با چگالی بالاتر و تومورها، هر دو به رنگ سفید روشن به نظر می‌رسند و این موضوع تشخیص سالم از بافت سرطانی را دشوار می‌سازد.
محققان می گویند که مدل هوش مصنوعی آنها می تواند در بیمارستان هایی با منابع کمتر، مانند جراحان متخصص، رادیولوژیست ها، یا پاتولوژیست ها برای تصمیم گیری سریع و آگاهانه در اتاق عمل استفاده شود.
شاون گومز، نویسنده همکار این مطالعه گفت: استفاده از این هوش مصنوعی مانند قرار دادن یک پشتیبانی اضافی در بیمارستان‌هایی است که شاید آن تخصص را به راحتی در دسترس نداشته باشند. جراحان می توانند به جای اینکه بهترین حدس را بزنند، از یک هوش مصنوعی آموزش دیده بر روی صدها یا هزاران تصویر استفاده کنند و بازخورد فوری در مورد جراحی خود دریافت کنند تا تصمیم آگاهانه تری بگیرند.
