یک برنامه هوش مصنوعی جدید می‌تواند به پزشکان کمک کند تا بخش‌هایی از تومور مغزی را که ممکن است در طول جراحی نادیده گرفته شوند، شناسایی و احتمالاً حذف کنند. این مطالعه که در تاریخ ۱۳ نوامبر در ژورنال Nature منتشر شد، نشان می‌دهد که این هوش مصنوعی با نام “FastGlioma”، می‌تواند مقدار تومور باقی‌مانده پس از جراحی را با دقتی در حدود ۹۲ درصد تخمین بزند.
به گزارش انتخاب به نقل از هلث دی؛ طبق نتایج این تحقیق، FastGlioma تنها در ۴ درصد از موارد، تومورهای با ریسک بالا را از قلم انداخته است، در حالی که این میزان برای پزشکان که به MRI یا رنگ‌های فلورسنت تکیه می‌کنند، حدود ۲۵ درصد است.
علاوه بر این، این هوش مصنوعی می‌تواند نتایج را در کمتر از ۱۰ ثانیه ارائه دهد که این امر می‌تواند در میانه جراحی تومور مغزی به طور بالقوه به جراحان کمک مؤثری کند.
دکتر تاد هولون، جراح مغز و اعصاب در دانشگاه میشیگان و پژوهشگر ارشد این تحقیق، می‌گوید: «FastGlioma یک سیستم تشخیصی مبتنی بر هوش مصنوعی است که توانایی تغییر روش جراحی مغز را با بهبود مدیریت جامع بیماران مبتلا به گلیومای منتشر دارد.» وی در بیانیه خبری دانشگاه افزود: «این فناوری سریع‌تر و دقیق‌تر از روش‌های فعلی برای تشخیص تومور عمل می‌کند و می‌تواند برای سایر تومورهای مغزی در کودکان و بزرگسالان نیز به کار گرفته شود و به عنوان مدلی پایه برای هدایت جراحی تومورهای مغزی خدمت کند.»
پژوهشگران توضیح می‌دهند که جراحان مغز و اعصاب به ندرت می‌توانند تمام توده تومور مغزی را به طور کامل بردارند و مقداری از تومور که “باقی‌مانده تومور” نامیده می‌شود، باقی می‌ماند. این باقی‌مانده ممکن است به دلیل شباهت بافت توموری به بافت سالم در لبه‌های حفره‌ای که از برداشتن تومور ایجاد شده، از نظر دور بماند.
وجود این تومور باقی‌مانده، خطر عود سرطان را افزایش می‌دهد، طول عمر بیمار را کاهش می‌دهد و نیاز به جراحی‌های بعدی را ایجاد می‌کند. پزشکان سعی می‌کنند تومور باقی‌مانده را در حین جراحی با استفاده از تصویربرداری MRI و رنگ‌های فلورسنت شناسایی کنند، اما این فناوری‌ها محدودیت‌هایی دارند.
برای بهبود توانایی جراحان در حذف کامل تومور مغزی، پژوهشگران هوش مصنوعی را با تصویربرداری میکروسکوپی ترکیب کرده و FastGlioma را ایجاد کردند.
تیم پژوهش FastGlioma را با استفاده از بیش از ۱۱ هزار نمونه جراحی و ۴ میلیون تصویر میکروسکوپی منحصربه‌فرد از بافت سالم مغز و تومورهای سرطانی آموزش دادند.
پژوهشگران سپس نمونه‌های تازه و پردازش‌نشده از ۲۲۰ بیمار مبتلا به سرطان مغز را تحلیل کردند. FastGlioma توانست تومور باقی‌مانده را با دقت ۹۲ درصد و در مدت حدود ۱۰۰ ثانیه با استفاده از تصاویر با وضوح بالا شناسایی کند و در حالت “سریع” که از تصاویر با وضوح کمی پایین‌تر استفاده می‌کند، دقت ۹۰ درصدی داشت.
دکتر هولون توضیح داد: «این به این معناست که ما می‌توانیم در چند ثانیه با دقت بالا تومور را شناسایی کنیم که می‌تواند به جراحان اطلاع دهد آیا نیاز به برداشت بیشتر تومور در طول جراحی است یا خیر.»
پژوهشگران افزودند که هوش مصنوعی همچنین می‌تواند به گونه‌ای آموزش ببیند که انواع دیگر سرطان‌ها را از بافت سالم تشخیص دهد. دکتر آدیتیا پاندی، رئیس بخش جراحی مغز و اعصاب در دانشگاه میشیگان، گفت: «در مطالعات آینده، ما قصد داریم از روش FastGlioma برای سایر سرطان‌ها از جمله سرطان ریه، پروستات، پستان و سر و گردن استفاده کنیم.»
