محققان دانشگاه کارولینای شمالی با استفاده از تکنولوژی مشابه بر روی گوشی‌های هوشمند که توانایی تشخیص چهره و گفتار را دارد، کامپیوتری را برای آنالیز تصاویر سرطان پستان و طبقه‌بندی تومورها با دقت بالا طراحی کرده‌اند.
محققان در این مطالعه از نوعی هوش مصنوعی به نام یادگیری ماشین(machine learnin) یا یادگیری عمیق(deep learning) استفاده کردند تا کامپیوتری را برای شناسایی ویژگی‌های خاص تومورهای سرطان پستان از طریق تصاویر طراحی کنند. رایانه همچنین نوع تومور را براساس ویژگی‌های پیچیده مولکولی و ژنومی شناسایی می‌کند که یک پاتولوژیست هنوز نمی‌تواند تنها از طریق یک تصویر تشخیص دهد. آن‌ها معتقدند این رویکرد، در حالی که هنوز در مراحل اولیه است، در نهایت می‌تواند منجر به صرفه‌جویی در هزینه برای کلینیک و تحقیقات سرطان پستان شود.
برای این مطالعه، محققان از مجموعه‌ای از ۵۷۱ تصویر تومور سرطان پستان برای برنامه دادن به یک کامپیوتر استفاده کردند تا تومورها را از نظر درجه، وضعیت گیرنده استروژن، زیرمجموعه طبیعی PAM50، نوع بافت و خطر عود بیماری طبقه‌بندی کنند. برای انجام این کار، آن‌ها نرم‌افزاری را طراحی کردند که بتواند برچسب‌ها را از روی تصاویر با استفاده از یک مجموعه برنامه پیش‌بینی کند، به طوری که قادر باشد تصاویر جدید را نیز به همان شیوه پردازش کند.
سپس آن‌ها از یک مجموعه متفاوت حاوی ۲۸۸ تصویر برای آزمایش توانایی رایانه در تشخیص ویژگی‌های تومور استفاده کردند و پاسخ‌های رایانه را با یافته‌های یک پاتولوژیست از لحاظ درجه و نوع تومور و آزمایشات جداگانه برای زیرمجموعه‌های بیان ژن مقایسه کردند. آن‌ها دریافتند که کامپیوتر می‌تواند تومورهاى با درجه کم تا متوسط را از انواع شدید در ٨٢ درصد موارد تمییز دهد. هنگامی که آن‌ها از دو پاتولوژیست خواستند که درجه تومور را برای گروه با تومورهای درجه پایین تا متوسط بررسی کنند، پاتولوژیست‌ها در حدود ۸۹ درصد موارد را تشخیص دادند، که کمی بالاتر از دقت کامپیوتر بود.
علاوه بر این، کامپیوتر توانست وضعیت گیرنده استروژن و تفاوت بین تومورهای داکتال و لوبولار را تشخیص دهد، و تعیین کند که کدام مورد ریسک بالا یا کمی دارد. همچنین یکی از زیرمجموعه‌های مولکولی سرطان‌های پستان را با ۷۷٪ دقت شناسایی کرد که بر اساس نحوه بیان ژن‌ها در تومور است. محققان معتقدند این فناوری می‌تواند در جوامعی که منابع آسیب‌شناسی ندارند و نیز در کمک به اعتبار بخشیدن به یافته‌های پاتولوژیست‌ها، کاربرد داشته باشد.
فناوری یادگیری عمیق در طیف وسیعی از برنامه‌های کاربردی استفاده شده است. جنبه منحصر به فرد کار محققان این بود که توانستند از این تکنولوژی برای شناسایی ویژگی‌های تومورهایی که انسان‌ها قادر به دیدن آن‌ها نیستند استفاده کنند. کامپیوترها می‌توانند اطلاعات زیادی از تصاویر دریافت کنند. دانشمندان قصد دارند آزمایش کنند که این ویژگی‌ها چگونه می‌توانند به پیش‌بینی نتایج کمک کنند و چنانچه بتوان از این ویژگی‌ها همراه با داده‌های مولکولی استفاده کرد، بهتر می‌شود به بیماران نگاه دقیقی در مورد دوره بیماری آن‌ها و درمان‌های مؤثر داد.
☑ لینک خبر
☑ لینک مقاله
