مدل هوش مصنوعی crossNN می‌تواند با تحلیل ویژگی‌های ژنتیکی خاص تومورها، بیش از ۱۷۰ نوع سرطان را با دقت ۹۷.۸ درصد شناسایی کند.
به گزارش تکناک، در مواردی که نمونه‌برداری از تومورها، به‌ویژه در مغز خطرناک است، دانشمندان مرکز پزشکی برلین این روش جدید را برای تشخیص سرطان معرفی کرده‌اند، که نیاز به نمونه‌برداری‌های پرخطر را کاهش می‌دهد.
فهرست مطالب
نمونه‌ای از نیاز به راه‌حل جدید
در یکی از موارد بالینی، یک بیمار با عارضه دوبینی به بیمارستان مراجعه کرد. تصویربرداری MRI وجود توموری در نقطه‌ای حساس از مغز را نشان داد. اما برداشت نمونه در این موقعیت می‌توانست تهدیدی جدی برای جان بیمار باشد. این مورد و موارد مشابه باعث شد تا این پژوهشگران به دنبال روش‌های نوین و کم‌خطر برای تشخیص سرطان باشند.
تشخیص از طریق ژن، نه بافت
در روش جدید، به جای بررسی میکروسکوپی بافت، ویژگی‌های اپی‌ژنتیکی ماده ژنتیکی تومور بررسی می‌شود. ویژگی‌های اپی‌ژنتیکی به عنوان نوعی حافظه سلولی عمل می‌کنند و نشان می‌دهند که کدام بخش‌های ژن، روشن یا خاموش هستند.
دکتر فیلیپ اوسکیرشن، یکی از پژوهشگران این مطالعه گفت: «الگوهای اپی‌ژنتیکی، اثر انگشت منحصربه‌فردی از هر تومور ایجاد می‌کنند و در تومورها، این الگوها به شکل مشخصی دگرگون می‌شوند.»
عملکرد هوش مصنوعی crossNN در شناسایی سرطان
مدل هوش مصنوعی crossNN از یک شبکه عصبی ساده تشکیل شده است، که می‌تواند الگوی اپی‌ژنتیکی یک تومور ناشناخته را با بیش از ۸۰۰۰ تومور مرجع مقایسه کند و نوع آن را تشخیص دهد. این مدل هوش مصنوعی توانست:
- با دقت ۹۹.۱ درصد تومورهای مغزی را به درستی شناسایی کند.
- با دقت ۹۷.۸ درصد بیش از ۱۷۰ نوع سرطان از اندام‌های مختلف بدن را تشخیص دهد.
دکتر سورن لوکاسن، از پژوهشگران این مطالعه اعلام کرد: «مدل ما حتی از سایر مدل‌های هوش مصنوعی موجود دقیق‌تر عمل می‌کند.»
شناسایی سرطان بدون جراحی مایع مغزی‌نخاع
در برخی موارد، حتی نمونه‌ای از مایع مغزی‌نخاعی می‌تواند برای تشخیص کافی باشد، که این نوع نمونه‌برداری بسیار آسان‌تر و کم‌خطرتر از جراحی است. در مورد همان بیمار مبتلا به دوبینی، این روش باعث شد که تشخیص لنفوم سیستم عصبی مرکزی به‌سرعت انجام شود و درمان شیمی‌درمانی بلافاصله آغاز گردد.
دکتر اوسکیرشن بیان کرد: «ما از روش جدیدی به نام توالی‌یابی نانوپور برای تحلیل سریع ماده ژنتیکی استفاده کردیم و هوش مصنوعی ما نوع تومور را دقیقاً مشخص کرد.»
آینده‌نگری و کاربرد بالینی
مدل هوش مصنوعی crossNN اکنون برای ورود به مرحله آزمایش‌های بالینی در تمامی هشت مرکز تحقیقاتی اتحاد سرطان آلمان (DKTK) آماده شده است. همچنین پژوهشگران قصد دارند امکان استفاده از آن را در زمان عمل جراحی (intraoperative) بررسی کنند.
گامی بزرگ در شناسایی سرطان با هوش مصنوعی
با توجه به سادگی ساختاری این مدل هوش مصنوعی، دقت بالا، قابلیت توضیح کامل نتایج و عدم نیاز به نمونه‌برداری پرخطر، crossNN نویدبخش تحولی اساسی در تشخیص سریع و شخصی‌سازی‌شده سرطان‌ها است؛ تحولی که می‌تواند جان هزاران نفر را نجات دهد.
