شناسایی تکه های باقیمانده تومور مغزی با هوش مصنوعی

پژوهشگران به تازگی مدل هوش مصنوعی جدیدی طراحی کرده‌اند که در کمتر از ۱۰ ثانیه می‌تواند تکه‌های باقیمانده تومور مغزی را شناسایی و از بروز مشکلات بعد از جراحی جلوگیری کند.

به‌ گزارش تک‌ناک، این فناوری که توسط پژوهشگران دانشگاه میشیگان و دانشگاه کالیفرنیا سان‌فرانسیسکو توسعه یافته است، “FastGlioma” نامیده می‌شود که از اصطلاح «گلیوما» که به تومور مغز یا نخاع اشاره دارد، بهره می‌گیرد.

تاد هولون، نویسنده اصلی این مقاله گفت: «این فناوری سریع‌تر و دقیق‌تر از روش‌های معمول فعلی برای تشخیص تومور است و می‌تواند برای شناسایی تومورهای مغزی در کودکان و بزرگسالان نیز استفاده شود. این تکنولوژی می‌تواند به عنوان یک مدل اصلی برای کمک به هدایت جراحی تومورهای مغزی به‌کار رود.»

در بیشتر جراحی‌های برداشتن تومور، تشخیص دقیق تفاوت بین بافت سالم مغز و بافت توموری سخت است. به همین دلیل امکان دارد بخشی از تومور باقی بماند. این موضوع می‌تواند باعث مشکلاتی مانند: تشنج، عفونت، سردرد، کاهش توانایی ذهنی و مشکلات حرکتی شود.

اگرچه تومورهای باقیمانده می‌توانند با استفاده از تصویربرداری MRI یا تکنیک‌های تصویربرداری فلورسانسی شناسایی شوند، اما این روش‌ها همیشه در زمان جراحی قابل استفاده نیستند و برای همه نوع تومور مناسب نمی‌باشند.

تاکنون تلاش‌هایی برای حل این مشکل انجام شده است، که از جمله آنها می‌توان به استفاده از دستگاه SpectroPen با لیزر در سال ۲۰۱۰ و نانوذرات طلایی برای تصویربرداری در سال ۲۰۱۲ اشاره کرد. اما هنوز مشخص نیست که این فناوری‌ها به طور موفقیت‌آمیز تجاری‌سازی شده‌اند یا خیر.

مدل FastGlioma می‌تواند موفق‌تر از روش‌های قبلی باشد، چرا که این سیستم هوش مصنوعی فقط به دسترسی به مدل منبع باز و قدرت محاسباتی نیاز دارد.

این مدل هوش مصنوعی تکه‌های باقیمانده تومور مغزی را در کمتر از ۱۰ ثانیه شناسایی می‌کند

مدل FastGlioma یک سیستم هوش مصنوعی است که از مدل‌های پایه استفاده می‌کند. این مدل‌ها برای کارهای مختلف مانند درک زبان و طبقه‌بندی تصاویر، با استفاده از داده‌های بزرگ آموزش دیده‌اند. یک نمونه معروف از این مدل‌ها، GPT-4 است که توسط OpenAI ساخته شده است.

برای توسعه، این سیستم با استفاده از ۱۱ هزار نمونه جراحی و ۴ میلیون تصویر میکروسکوپی، پیش‌آموزش داده شده است.

تصاویر تومورها با یک روش تصویربرداری پیشرفته به نام هیستولوژی رامان تحریک‌شده گرفته شده‌اند. این روش به سیستم کمک می‌کند تا تومورهای باقیمانده را فقط در ۱۰ ثانیه با دقت ۹۲ درصد شناسایی کند. اگر از تصاویر با وضوح پایین‌تر استفاده شود، سیستم می‌تواند این کار را در ۱۰ ثانیه با دقت ۹۰ درصد انجام دهد.

این فناوری به جراحان کمک می‌کند تا به سرعت بفهمند که آیا توموری باقی‌ مانده است که باید در زمان جراحی حذف شود یا خیر.

این پیشرفت بزرگ در شناسایی تومور مغزی باقیمانده، می‌تواند کیفیت زندگی بیماران را پس از جراحی بهبود بخشد و نیاز به روش‌های درمانی پرهزینه بعد از عمل را کاهش دهد.

این فناوری یک نمونه برجسته از کمک هوش مصنوعی به بهبود نتایج جراحی مغز و اعصاب است.

مثال دیگر فناوری‌های کمک‌‌کننده به علم، ابزاری به نام CHARM است که می‌تواند ساختار ژنتیکی تومور را به طور دقیق رمزگشایی کند و مراحل بعدی درمان را به قدری سریع مشخص نماید که بتوان آن را در زمان جراحی مورد استفاده قرار داد.

همچنین مدل FastGlioma می‌تواند در آینده برای کمک به درمان انواع دیگر سرطان‌ها نیز گسترش یابد.

آدیتیا اس.پاندی، یکی از محققان این مطالعه اعلام کرد: «در تحقیقات آینده، ما روی استفاده از FastGlioma در سایر سرطان‌ها، از جمله سرطان‌های ریه، پروستات، سینه و سر و گردن تمرکز خواهیم کرد.»

ساینا چمنی

دانش آموخته مترجمی زبان انگلیسی، مترجم و نویسنده فناوری ،سلامت و پزشکی

خبر بعدی

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *