پیشرفت چشمگیر در تشخیص سرطان ریه با راه حل نوین هوش مصنوعی iSeg

راهکار هوش مصنوعی پیشرفته برای شناسایی سرطان ریه

گروهی از پژوهشگران مرکز پزشکی نورث‌وسترن از ابزار هوش مصنوعی پزشکی نوآورانه‌ای به نام iSeg رونمایی کرده‌اند که به‌طور اختصاصی برای تشخیص تومورهای ریه در سی‌تی اسکن با دقت بالایی توسعه یافته است. آنچه iSeg را از سایر ابزارهای مشابه متمایز می‌کند، توانایی آن در شناسایی بخش‌های پنهان تومورهای ریه است، که گاهی حتی از دید رادیولوژیست‌های مجرب نیز مخفی می‌مانند. این دستاورد می‌تواند تحول مهمی در عرصه تشخیص سرطان و برنامه‌ریزی درمانی ایجاد کند.

اهمیت تعیین دقیق محدوده تومور در درمان سرطان

در رادیوتراپی که بخش مهمی از درمان سرطان برای حدود نیمی از بیماران در آمریکا محسوب می‌شود، شناسایی دقیق اندازه و محل تومور حیاتی است. این فرایند که به آن بخش‌بندی یا سگمنتیشن تومور گفته می‌شود، تضمین می‌کند بیشترین میزان دوز اشعه به سلول‌های سرطانی وارد شود و بافت سالم آسیب نبیند. تاکنون این کار به روش دستی و توسط پزشکان انجام می‌شد که زمان‌بر بود و به دلیل اختلاف نظر، گاهی بخش‌هایی از تومور از نظر پنهان می‌ماند.

نوآوری iSeg: هوش مصنوعی پیشرفته با یادگیری سه‌بعدی

برخلاف ابزارهای پیشین که به تحلیل تصاویر ایستا محدود بودند، iSeg نخستین ابزار دارای الگوریتم یادگیری عمیق سه‌بعدی است که تومورهای ریه را حین حرکت و با هر نفس کشیدن بیمار، به‌صورت زنده دنبال می‌کند. این توانایی دینامیک باعث افزایش دقت تشخیص و طرح‌ریزی درمان رادیوتراپی می‌شود، زیرا جنبش تومور اثربخشی درمان را تحت تاثیر قرار می‌دهد.

دکتر محمد عبازید، استاد و رئیس دپارتمان رادیوتراپی دانشگاه نورث‌وسترن با اشاره به قابلیت‌های این ابزار می‌گوید: «ما به‌ طرز قابل توجهی به ارائه درمان‌های دقیق‌تر از همیشه برای سرطان نزدیک شده‌ایم. هدف ما توانمندسازی پزشکان با ابزارهای بهتر و ارتقای درمان شخصی‌سازی شده و مؤثر برای بیماران سرطانی است.»

آموزش و ارزیابی: عملکرد هوش مصنوعی هم‌سطح و فراتر از متخصصان

برای اطمینان از دقت عملکرد iSeg، این ابزار بر پایه داده‌های سی‌تی اسکن صدها بیمار سرطانی که قبلاً توسط متخصصان بخش‌بندی شده بود، آموزش دیده است. پس از آموزش گسترده، iSeg روی اسکن‌های جدید و ناشناخته آزمایش شد. نتایج نشان داد نه تنها عملکرد هوش مصنوعی با بهترین پزشکان برابری داشت، بلکه موفق به شناسایی بخش‌هایی از تومور شد که برخی از کارشناسان از آن غافل مانده بودند. محققان تاکید دارند که شناسایی این بخش‌های نامشخص از جهت بالینی اهمیت زیادی دارد زیرا می‌تواند بر عاقبت درمانی بیماران تأثیر بگذارد.

سانجیک سرکار، نویسنده اصلی مقاله خاطرنشان می‌کند: «اتوماتیک‌سازی و استانداردسازی بخش‌بندی تومور با هوش مصنوعی می‌تواند تاخیرهای درمانی را کاهش، عدالت درمانی را ارتقا داده و نواحی پنهان تومور که ممکن است توسط پزشکان نادیده گرفته شود، کشف کند. در نهایت این روند باعث بهبود کیفی درمان و نتایج بالینی می‌شود.»

ویژگی‌ها و مزایای کلیدی iSeg

• یادگیری عمیق سه‌بعدی در زمان واقعی: دنبال‌کردن حرکت تومور در هنگام تنفس بیمار جهت هدف‌گیری بسیار دقیق‌تر.
• دقت بالا: شناسایی بخش‌های پنهان یا مبهم تومور که ممکن است در بررسی دستی دیده نشوند.
• قابلیت مقیاس‌پذیری: بهبود روند کاری و کاهش اختلاف بخش‌بندی در مراکز درمانی مختلف.
• بازخورد قابل تنظیم: برنامه‌ریزی برای امکان دریافت بازخورد پزشکان جهت تطبیق بهتر نتایج در شرایط واقعی.
• توسعه‌پذیری چندگانه: تیم توسعه قصد دارد iSeg را برای انواع دیگر سرطان‌های مانند کبد، مغز و پروستات و همچنین ترکیب با دیگر تکنولوژی‌های تصویربرداری مانند MRI و PET گسترش دهد.

اهمیت بازار و برنامه‌های آینده

در حالی که هوش مصنوعی در حال تحول اساسی تصویربرداری پزشکی و انکولوژی دقیق است، iSeg در خط مقدم نوآوری‌های سلامت دیجیتال قرار دارد. قابلیت استثنایی این ابزار در شناسایی نواحی سخت و نامحسوس تومور می‌تواند دوره‌ای نوین از درمان سرطان مبتنی بر عدالت و اثربخشی بیشتر را در نظام‌های سلامت مختلف رقم بزند.

تیم پژوهشی هم‌اکنون در حال ارزیابی iSeg در شرایط بالینی واقعی است تا نتایج آن را مستقیم با عملکرد پزشکان مقایسه کند. هدف نهایی، بهینه‌سازی فناوری برای طیف گسترده‌ای از سرطان‌ها و فناوری‌های تصویربرداری و همچنین ارتقای مستمر بر اساس بازخورد متخصصین پزشکی است.

انتشار و دستاورد علمی

نتایج کامل مربوط به توسعه و عملکرد iSeg در نشریه npj Precision Oncology منتشر شده و اهمیت این دستاورد را در مسیر رشد سلامت مبتنی بر هوش مصنوعی برجسته می‌کند.