یک مطالعه جدید نشان می‌دهد که با استفاده از هوش مصنوعی می‌توان تصاویری از تومورهای ریه‌ی بیمار را تجزیه و تحلیل کرد تا نوع سرطان را مشخص کرده و حتی ژن‌های تغییریافته‌ای را شناسایی کنند که باعث رشد غیرطبیعی سلول می‌شود.
این مطالعه که توسط محققان دانشکده پزشکی نیویورک انجام شده نشان می‌دهد که به کمک هوش مصنوعی(AI) یا برنامه machine learninh می‌توان با دقت ۹۷ درصد، دو نوع سرطان ریه، یعنی آدنوکارسینوما و کارسینوم سلول سنگفرشی را تمیز داد.
AI همچنین توانست تعیین کند که نسخه‌های نابه‌هنجار از ۶ ژن از جمله EGFR ،KRAS و TP53، با احتمال ۷۳ تا ۸۶ درصد بسته به ژن، با ابتلاء به سرطان ریه مرتبط است. اگرچه چنین تغییرات ژنتیکی اغلب موجب رشد غیرطبیعی در سلول می‌شود؛ اما، می‌تواند شکل سلول و تعامل با محیط اطراف خود را نیز تغییر دهد.
به اعتقاد این تیم مطالعاتی، تعیین اینکه کدام ژن‌ها در هر تومور تغییر می‌کنند، به افزایش استفاده از درمان‌های هدفمندی منجر خواهدشد که فقط دربرابر سلول‌های سرطانی با جهش‌های خاص اثربخش خواهد بود. به عنوان مثال، جهش در EGFR در حدود ۲۰ درصد از بیماران مبتلاء به آدنوکارسینوما تائید شده که اکنون می‌توان با داروهای مورد تایید درمان گردند. به گفته‌ی محقق ارشد این مطالعه، تأخیر در شروع درمان سرطان هیچگاه خوب نیست؛ بنابر شواهد بدست آمده از این مطالعه، یک رویکرد مبتنی بر هوش مصنوعی قادر خواهد بود فوراٌ نوع و زیرگونه‌های سرطان و همچنین مشخصات جهش را برای دریافت درمان مناسب و هدفمند تشخیص دهد.
Machine Learning
در پژوهش حاضر، این تیم با طراحی تکنیکهای آماری جدید که براساس مدل‌های ریاضی است، برنامه‌هایی را تدوین می‌کنند که با تصمیم‌گیری براساس نمونه‌های اطلاعاتی داده شده به پانل، این برنامه‌ها را دقیق‌تر می‌نماید.
رویکردهای جدیدتر AI، با الهام از شبکه‌های عصبی سلول‌ها در مغز، از مدارهای بسیار پیچیده برای پردازش اطلاعات استفاده کرده، و در هر مرحله، اطلاعات بدست آمده را در کنار یکدیگر قرار می‌دهند و هر بخش از اطلاعات را در طول پردازش به صورت اختصاصی بررسی می‌نمایند.
جالب توجه است که این مطالعه نشان داد حدود نیمی از تصاویر کوچک از تصاویر تومور که توسط برنامه مطالعات AI طبقه‌بندی شدند، توسط آسیب‌شناسان به اشتباه طبقه‌بندی شده بودند، که نشان‌دهنده‌ی دشواری در تشخیص بین این دو نوع از سرطان ریه است. از سوی دیگر، ۴۵ مورد از ۵۴ تصویر که حداقل توسط یکی از آسیب‌شناسان در مطالعه، مورد طبقه‌بندی قرار گرفتند، توسط برنامه Machine Learning به درستی مورد تشخیص واقع شدند.
هدف این مطالعه، این است که نشان دهد AI قادر به تشخیص الگوهایی از ویژگی‌های قابل مشاهده از سلول‌های سرطانی و بافت‌های اطراف آن‌ها است که قبلا ناشناخته بودند.
این تیم امیدوار است که به کمک AI و با دقت ۹۰ درصد تعیین کند کدام ژن‌ها در یک نوع سرطان دچار جهش می‌شوند.
