ایسنا و به نقل از ساینمگ، شاید یک ابزار دقیق یادگیری ماشینی بتواند به پزشکان کمک کند تا درمان‌های شخصی‌سازی شده‌ای را برای بیماران مبتلا به تومورهای مغزی “گلیوما”(Glioma) ارائه دهند.
پژوهشگران هندی و ژاپنی، یک روش جدید یادگیری ماشینی ابداع کرده‌اند که نوع متداولی از تومور مغزی را در درجات پایین یا بالا، با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند. این روش می‌تواند به پزشکان کمک کند تا موثرترین راهبرد را برای درمان شخصی‌سازی شده بیماران انتخاب کنند.
گلیوما، نوع متداولی از تومور مغزی است که بر یاخته‌های گلیال که وظیفه حمایت از نورون‌ها را بر عهده دارند، اثر می‌گذارد. درمان بیماران باید با توجه به میزان تهاجمی بودن تومور آنها متفاوت باشد؛ در نتیجه تشخیص درست میزان تهاجمی بودن تومور هر بیمار، بسیار مهم است.
رادیولوژیست‌ها معمولا از اسکن‌های ام.آر.آی، داده‌های بسیاری را به دست می‌آورند تا تصویر سه‌بعدی بافت اسکن شده را بازسازی کنند. بسیاری از داده‌های به دست آمده از اسکن‌های ام.آر.آی از جمله جزئیات مربوط به شکل و بافت تومور را نمی‌توان با چشم غیرمسلح تشخیص داد.
الگوریتم‌های هوش مصنوعی می‌توانند به استخراج این داده‌ها کمک کنند. متخصصان سرطان‌شناسی، از این روش برای بهبود تشخیص بیماران استفاده کرده‌اند اما هنوز باید دقت این روش افزایش یابد.
“گانش پاندیان ناماسیوایام”(Ganesh Pandian Namasivayam)، پژوهشگر “دانشگاه کیوتو”(Kyoto University) ژاپن با همکاری “بالاسوبرامانیان رامان”(Balasubramanian Raman)، دانشمند هندی، نوعی روش یادگیری ماشینی ابداع کرده‌اند که می‌تواند تومورهای گلیوما را با حدود ۹۸ درصد دقت، در درجات بالا و پایین طبقه‌بندی کند.
با کمک این روش، تومورهای گلیوما با توجه به میزان تهاجمی بودن آنها مشخص و طبقه‌بندی می‌شوند تا پزشکان بتوانند درمان مناسب برای هر بیمار را با توجه به سطح تومور انتخاب کنند.
رامان گفت: روش ما، رویکردهای پیشرفته‌ای را به کار می‌گیرد تا میزان تهاجمی بودن گلیوما را با توجه به اسکن‌های ام.آر.آی مغز بیماران مشخص کند.
گانش گفت: ما امیدواریم هوش مصنوعی، به ابداع مدل‌های نرم‌افزاری نیمه خودکار یا خودکار منجر شود که می‌توانند به پزشکان و رادیولوژیست‌ها در انتخاب بهترین درمان برای بیماران کمک کنند.
این پژوهش، در مجله “IEEE Access” به چاپ رسید.
انتهای پیام
