پژوهشگران بیمارستان عمومی ماساچوست آمریکا یک مدل را برای پیش‌بینی درازمدت سرطان ریه توسعه داده‌اند که از طریق فرایند یادگیری عمیق در هوش مصنوعی عمل می‌کند و این کار را با استفاده از تجزیه‌وتحلیل عکس اشعه ایکس قفسه سینه و همچنین اطلاعات اولیه سلامتی در مورد سن، جنس و وضعیت فعلی سیگار کشیدن در افراد انجام می‌دهد.
این روش نسبت به روش‌ها و معیارهای معمول غربالگری سرطان ریه در ایالات‌متحده، خطای بسیار کمتری را نشان داده است.
روش معمول غربالگری سرطان ریه به کمک اسکن توموگرافی کامپیوتری قفسه سینه (CT) انجام می‌شود و می‌تواند از وقوع مرگ به دلیل این بیماری تاحدی جلوگیری کند. هرچند استاندارد فعلی مدیکر در آمریکا برای تعیین این‌که چه کسی واجد شرایط CT غربالگری سرطان ریه است، عملاً موجب می‌شود که بیشتر موارد سرطان ریه، شانس خود را برای تشخیص به‌موقع از دست بدهند.
علاوه بر این، مشارکت در فرایندهای غربالگری سرطان ریه ضعیف است و بنا بر تخمین‌ها، کمتر از 5 درصد افراد واجد شرایط تحت غربالگری قرار می‌گیرند.
حالا اما محققان مورد اشاره فوق، یک شبکه عصبی را ایجاد کرده‌اند که قادر است پیش‌بینی طولانی‌مدت سرطان ریه را بر اساس تصویر اشعه ایکس قفسه سینه انجام دهد. این مدل با استفاده از اطلاعات به‌دست‌آمده از 41،856 نفر در یک آزمایش بزرگ مربوط به غربالگری سرطان ریه توسعه یافته است.
مدل توسعه‌یافته مورد اشاره سپس با استفاده از 5،615 شرکت‌کننده از آزمایش فوق به‌علاوه 5.493 نفر از یک آزمایش دیگر تحت عنوان آزمایش ملی غربالگری ریه مورد تأیید نهایی قرار گرفته است.
این مدل عملکرد بسیار بهتری نسبت به روش‌های غربالگری پیشین نشان داده و نسبت به آن‌ها، 31 درصد خطای کمتری در تشخیص داشته است.
این ابداع ارزشمند که گزارش فنی آن در نشریه Annals of Internal Medicine منتشر شده است، می‌تواند امیدهای بیماران و پزشکان حوزه سرطان ریه را برای تشخیص به‌موقع و به دنبال آن، اجرای سریع روند درمانی بیشتر نماید.
نویسنده: محمدرضاشجاعیه
No tags for this post.