پژوهشگران سامانه هوش مصنوعی REDMOD را معرفی کردند که میتواند نشانههای پنهان سرطان لوزالمعده را بهطور متوسط ۴۷۵ روز پیش از تشخیص بالینی و با دقتی بالاتر از رادیولوژیستها شناسایی کند.
به گزارش سیناپرس، پژوهشگران از یک سامانه هوش مصنوعی رونمایی کردهاند که میتواند نشانههای پنهان سرطان لوزالمعده را بهطور متوسط ۴۷۵ روز پیش از تشخیص بالینی و با دقتی بالاتر از رادیولوژیستها شناسایی کند.
سامانه هوش مصنوعی جدیدی به نام REDMOD ممکن است بتواند سرطان لوزالمعده را سالها پیش از آنکه در روشهای معمول تشخیصی قابل مشاهده باشد شناسایی کند. این نتایج بر اساس پژوهشی منتشرشده در مجله علمی Gut گزارش شده است.
شناسایی نشانههای پنهان سرطان
به گفته پژوهشگران این مدل قادر است تغییرات بسیار ظریف بافتی مرتبط با آدنوکارسینوم مجرای پانکراس (PDAC) شایعترین و مرگبارترین نوع سرطان لوزالمعده را تشخیص دهد؛ تغییراتی که در اسکنهای معمولی تصویربرداری و حتی توسط متخصصان باتجربه نیز قابل مشاهده نیستند.
هدف این فناوری تغییر مسیر تشخیص این بیماری از مراحل بسیار پیشرفته و اغلب غیرقابل درمان، به مراحل بسیار اولیه یا مرحله صفر است؛ زمانی که احتمال موفقیت درمان بهمراتب بیشتر است.
سرطان لوزالمعده معمولا بهدلیل نبود علائم اولیه و پیشرفت سریع در مراحل پیشرفته تشخیص داده میشود و نرخ بقای بسیار پایینی دارد. پژوهشگران میگویند همین موضوع تشخیص زودهنگام را به یک چالش جدی در پزشکی تبدیل کرده است.
برای حل این مشکل تیم تحقیقاتی مدل هوش مصنوعی REDMOD (Radiomics-based Early Detection Model) را توسعه داده است. این سیستم با استفاده از تحلیلهای پیشرفته موسوم به رادیومیکس الگوهای بسیار ظریف در بافت پانکراس را شناسایی میکند که در اسکنهای CT معمولی دیده نمیشوند.
همچنین این مدل از فناوری بخشبندی خودکار پانکراس استفاده میکند که با دقت بالا مرز لوزالمعده را از سایر بافتها جدا کرده و نیاز به ترسیم دستی توسط پزشک را حذف میکند.
روش آزمایش و دادههای پژوهش
عملکرد این مدل روی اسکنهای شکمی ۲۱۹ بیمار از چندین بیمارستان مورد بررسی قرار گرفت. این افراد در ابتدا سالم تشخیص داده شده بودند، اما بعدها به سرطان لوزالمعده مبتلا شدند.
زمان انجام اسکنها نسبت به تشخیص نهایی به این صورت بود:
• ۸۷ بیمار (۴۰٪): بین ۳ تا ۱۲ ماه قبل از تشخیص
• ۷۶ بیمار (۳۵٪): بین ۱۲ تا ۲۴ ماه قبل از تشخیص
• ۵۶ بیمار (۲۵٪): بیش از ۲۴ ماه قبل از تشخیص (تا حدود ۳ سال قبل)
در حدود ۶۴٪ موارد، تومور در ناحیه سر پانکراس قرار داشت. برای مقایسه اسکن ۱۲۴۳ فرد سالم نیز بررسی شد که طی ۳ سال بعد هیچ نشانهای از سرطان در آنها دیده نشد. این گروه از نظر سن، جنسیت و زمان انجام اسکن با گروه بیمار تطبیق داده شده بود.
بر اساس نتایج مدل REDMOD توانست نشانههای بسیار ابتدایی سرطان را بهطور متوسط ۴۷۵ روز قبل از تشخیص بالینی شناسایی کند. پژوهشگران تأکید کردند این بازه زمانی اهمیت زیادی دارد زیرا تشخیص زودهنگام میتواند شانس درمان موفق و بقا را به شکل قابل توجهی افزایش دهد.
در مقایسه با متخصصان رادیولوژی حساسیت مدل: ۷۳٪ و حساسیت متخصصان: ۳۹٪ بود و در آزمایشهای تکمیلی این مدل۸۱٪ از اسکنهای ۵۳۹ بیمار مستقل را بهدرستی بدون سرطان تشخیص داد.
همچنین نتایج نشان داد که نشانههای شناساییشده توسط مدل در ۹۰ تا ۹۲ درصد موارد در اسکنهای قبلی نیز بهطور مشابه قابل مشاهده بودند، که نشاندهنده ثبات بالای الگوریتم است.
در این فرآیند پژوهشگران به برخی محدودیتها نیز از جمله کمبود تنوع نژادی در شرکتکنندگان اشاره کردهاند. آنها تاکید میکنند که این فناوری هنوز نیاز به آزمایشهای گستردهتر در بیماران پرخطر مانند افراد دارای کاهش وزن غیرقابل توضیح یا مبتلایان جدید به دیابت دارد.
به نقل از برنا، محققان در پایان اعلام کردند که این مطالعه نشان میدهد که REDMOD یک چارچوب هوش مصنوعی کاملا خودکار است که میتواند نشانههای بسیار اولیه سرطان لوزالمعده را در اسکنهای به ظاهر طبیعی شناسایی کند و این کار را با دقتی بالاتر از متخصصان انجام میدهد.
اگرچه تایید نهایی در مطالعات آینده ضروری است اما این فناوری میتواند مسیر تشخیص سرطان لوزالمعده را از شناسایی دیرهنگام به تشخیص پیشبالینی و بسیار زودهنگام تغییر دهد؛ تغییری که میتواند امید تازهای برای بهبود نرخ بقا در این بیماری مرگبار ایجاد کند.