به گزارش سیناپرس، نتایج یک مطالعه جدید در دانشگاه نیویورک نشان می دهد بررسی تصاویر سونوگرافی توسط هوش مصنوعی می تواند سرطان پستان را با دقت بسیار بالایی شناسایی کرده و انجام عمل نمونه برداری را تا کمتر از ۲۸ درصد کاهش داده و احتمال تشخیص نادرست سرطان پستان را نیز تا ۳۷ درصد کمتر کند.
دکتر کریستف گراس ، محقق ارشد این مطالعه و استادیار دانشکده پزشکی دانشگاه نیویورک در این رابطه گفت: ما یک سیستم هوش مصنوعی ارائه کردیم که تصاویر سونوگرافی را با دقت مشابه تصاویر رادیولوژی بررسی کرده وسرطان را تشخیص می دهد.
سرطان پستان عامل اصلی مرگ در بین زنان در جهان بوده و تنها در سال گذشته حدود دو میلیون مورد جدید سرطان پستان در سراسر دنیا گزارش شد. علاوه بر این ، سرطان پستان فقط مختص زنان نبوده بر اساس برآوردها، در سال ۲۰۲۱ تعداد ۲ هزار و ۶۵۰ مورد جدید سرطان تهاجمی سینه و ۵۳۰ مورد مرگ ناشی از آن در مردان آمریکایی وجود خواهد داشت.
در حال حاضر ماموگرافی رایج ترین روش تصویربرداری برای غربالگری و تشخیص سرطان پستان است. با این حال ، در مواردی که فرد دارای بافت پستان متراکم باشد، دقت این روش از ۸۵ درصد به تنها ۴۸ تا ۶۴ درصد کاهش می یابد. بنابراین ، افرادی که سینه های متراکم دارند چهار برابر بیشتر در معرض ابتلا به سرطان پستان هستند.
اشکال دیگر ماموگرافی این است که به تجهیزات تخصصی گران قیمت، اپراتورهای ماهر و رادیولوژیست نیاز دارد که استفاده از آن در مناطق دور افتاده و روستایی که منابع و بودجه متخصصان مراقبت های بهداشتی محدود است، امکان پذیر نیست.
در این مطالعه ، محققان مجموعه ای شامل ۸ میلیون و ۴۰۰ هزار تصویر از بیش از ۲۱۲ هزار و ۷۰۰ بیمار منحصر به فرد را فیلتر کرده و از آن برای آموزش و ارزیابی هوش مصنوعی استفاده کردند.
الگوریتم یادگیری عمیق این هوش مصنوعی یک شبکه عصبی کانولوشن (CNN) است که به کمک آن شبکه های عصبی عمیق در PyTorch توسعه یافت. به گفته محققان ، هوش مصنوعی، ناحیه ای را زیر منحنی مشخصه عملکرد گیرنده (AUROC) 0.976 به دست آورد که می تواند با دقت ، ثبات و کارآیی بسیار زیادی، تشخیص سرطان پستان به کمک سونوگرافی را ممکن کند.
شرح کامل این پژوهش و یافته های به دست امده از آن در آخرین شماره مجله تخصصی Nature Communications منتشر شده است.
مترجم: فاطمه کردی
منبع: psychologytoday