حذف دقیق‌تر تومور‌های سرطانی سینه به کمک هوش مصنوعی

به گزارش خبرگزاری علم و فناوری آنا به نقل از نیواطلس، محققان یک مدل هوش مصنوعی ابداع کرده‌اند که می‌تواند تشخیص دهد که جراح حین عمل سینه، تمام بافت سرطانی را برداشته است یا خیر.این مدل هوش مصنوعی به خوبی یا بهتر از پزشکان انسانی عمل کرد.

بهترین روش برای درمان سرطان پستان در مراحل اولیه، جراحی حفظ پستان است که در غیر این صورت به عنوان ماستکتومی جزئی، همراه با رادیوتراپی شناخته می‌شود. بسیار مهم است که تمام بافت سرطانی سینه در طول جراحی برداشته شود تا از عود سرطان جلوگیری شود. این موضوع با بررسی لبه‌های خارجی بافت برداشته شده بررسی می‌شود تا اطمینان حاصل شود که آن‌ها حاوی سلول‌های سرطانی موسوم به حاشیه‌های منفی نیستند.

ماموگرافی بافت (ماموگرافی نمونه) به طور گسترده‌ای به عنوان وسیله‌ای برای اطمینان از حاشیه‌های منفی استفاده می‌شود، زیرا می‌توان آن را در اتاق عمل انجام داد و بازخورد فوری را ارائه می‌دهد. با این حال، ماموگرافی نمونه می‌تواند نادرست باشد و اگر سلول‌های سرطانی بعداً شناسایی شوند، جراحی بیشتری برای برداشتن بافت اضافی مورد نیاز است.

محققان دانشکده پزشکی دانشگاه کارولینای شمالی (UNC) یک مدل هوش مصنوعی توسعه دادند که می‌تواند در زمان واقعی پیش‌بینی کند که آیا بافت سرطانی در طول جراحی سرطان سینه به طور کامل برداشته شده است یا خیر.

کریستالین گالاگر، یکی از نویسندگان این مطالعه می‌گوید: شما می‌توانید برخی از سرطان‌ها را حس کنید و بینید، اما ما نمی‌توانیم سلول‌های سرطانی میکروسکوپی که ممکن است در لبه بافت برداشته شده وجود داشته باشند را ببینیم. سرطان‌های دیگر کاملاً میکروسکوپی هستند. این ابزار هوش مصنوعی به ما این امکان را می‌دهد که تومور‌های برداشته شده با جراحی را به‌طور هم‌زمان و با دقتی بیشتر تجزیه و تحلیل کنیم و شانس حذف تمام سلول‌های سرطانی در طول جراحی را افزایش دهیم. این کار از نیاز به بازگرداندن بیماران برای جراحی دوم یا سوم جلوگیری می‌کند.

محققان برای آموزش مدل هوش مصنوعی خود در تشخیص حاشیه‌های منفی و مثبت، از ۸۲۱ تصویر ماموگرافی نمونه که بلافاصله پس از برش مجدد گرفته شده‌اند، استفاده کردند که با گزارش‌های نمونه نهایی پاتولوژیست‌ها مطابقت دارد. بیش از نیمی از تصاویر (۵۳ درصد) دارای حاشیه مثبت بودند. آن‌ها همچنین داده‌های دموگرافیک بیماران مانند سن، نژاد، نوع و اندازه تومور را در اختیار مدل قرار دادند.

آن‌ها دریافتند که مدل هوش مصنوعی حساسیت ۸۵ درصدی، ویژگی ۴۵ درصدی و ناحیه زیر منحنی مشخصه عملکرد گیرنده (AUROC) ۰.۷۱ را نشان می‌دهد. حساسیت معیاری است که نشان می‌دهد یک مدل چقدر می‌تواند نمونه‌های مثبت را تشخیص دهد، در حالی که ویژگی، نسبت منفی‌های واقعی را که مدل به درستی شناسایی می‌کند، اندازه گیری می‌کند. ناحیه زیر منحنی عملکرد کلی یک مدل را اندازه گیری می‌کند و مقداری بین صفر و یک ارائه می‌دهد که در آن ۰.۵ نشان دهنده حدس زدن تصادفی و یک نشان دهنده عملکرد کامل است.

محققان می‌گویند که در مقایسه با دقت تفسیر انسان، مدل هوش مصنوعی اگر بهتر از انسان نباشد، عملکرد خوبی داشته است. به بیان دیگر، مطالعات قبلی نشان داده اند که ماموگرافی نمونه دارای حساسیتی بین ۲۰ درصد تا ۵۸ دصد و ناحیه زیر منحنی بین ۰.۶۰ تا ۰.۷۳ است.

کوین چن، نویسنده اصلی این مطالعه گفت: فکر کردن در مورد اینکه چگونه مدل‌های هوش مصنوعی می‌توانند از تصمیم‌گیری پزشک و جراح در اتاق عمل با استفاده از بینایی رایانه پشتیبانی کنند، جالب است. ما متوجه شدیم که مدل هوش مصنوعی در شناسایی حاشیه‌های مثبت با انسان‌ها همخوانی دارد یا کمی پیشی می‌گیرد.

این مدل در تشخیص حاشیه منفی در بیماران با تراکم سینه بالاتر مفید بود. در ماموگرافی، بافت سینه با تراکم بالاتر و تومور‌ها هر دو به صورت سفید روشن ظاهر می‌شوند و تشخیص سالم بودن بافت سرطانی را دشوار می‌کنند.

محققان می‌گویند مدل هوش مصنوعی آن‌ها می‌تواند در بیمارستان‌هایی با منابع کم‌تر مانند جراحان متخصص، رادیولوژیست‌ها یا پاتولوژیست‌های در دست برای تصمیم گیری سریع و آگاهانه در اتاق عمل مورد استفاده قرار گیرد.

شاون گومز، یکی از نویسندگان این مقاله می‌گوید: این مانند قرار دادن یک لایه پشتیبانی اضافی در بیمارستان‌هایی است که شاید آن تخصص را به راحتی در دسترس نداشته باشند. جراحان به جای اینکه مجبور باشند بهترین حدس را بزنند، می‌توانند از یک مدل آموزش دیده روی صد‌ها یا هزاران تصویر استفاده کنند و بازخورد فوری درباره جراحی خود دریافت کنند تا تصمیم آگاهانه تری بگیرند.

این مدل هوش مصنوعی در مراحل اولیه خود قرار دارد و محققان به آموزش آن با تصاویر ماموگرافی بیشتر ادامه خواهند داد تا دقت آن در تشخیص حاشیه‌ها بهبود یابد. قبل از اینکه بتوان از آن در محیط بالینی استفاده کرد، این مدل باید در مطالعات بعدی تایید شود.

این مطالعه در مجله آنکولوژی جراحی منتشر شده است.