شفاآنلاین:سلامت>یکی از امیدوارکنندهترین کاربردهای یادگیری ماشینی هوش مصنوعی (AI)، تشخیص دیجیتال برای حوزههای پزشکی و مراقبتهای بهداشتی است. مطالعه جدیدی که در مجله علمی منتشر شده است نشان میدهد که چگونه هوش مصنوعی میتواند سرطان ریه را از نمونههای بافت دیجیتالی شده بیمار به سرعت و با درجه دقت بالا پیشبینی کند.
به گزارش شفا آنلاین:دکتر یوری تولکاچ، محقق دانشکده پزشکی و بیمارستان دانشگاه کلن دانشگاه کلن و نویسنده مرتبط، دکتر یوری تولکاچ، نوشت: «رویکردهای مبتنی بر هوش مصنوعی برای تجزیه و تحلیل تصویر ممکن است پایهای برای ابزارهای تشخیصی، پیشآگهی و پیشبینی مفید در آسیبشناسی و انکولوژی باشد. راینهارد بوتنر و تیم تحقیقاتی آنها متشکل از کارینا کلودت، یوان وانگ، ولید احمد، آندری بیچکوف، جونیا فوکوئوکا، نادین گایسا، مارک کونل، دنی جونیگ، الکسی پریالوکین، فابیان مایرینگر، فرانزیسکا کلاین، آنه ماریا. ، ولفگانگ هولا، یوهانس براگلمان، سباستین میشلز، سباستین کلاین و الکساندر کواس.
بر اساس گزارش مشترک آژانس بین المللی تحقیقات سرطان (IARC) و انجمن سرطان آمریکا (ACS)، سرطان ریه عامل اصلی مرگ و میر ناشی از سرطان است و باعث حدود ۱.۸ میلیون مرگ در جهان در سال ۲۰۲۲ شده است. در سال ۲۰۲۴، انجمن سرطان آمریکا تخمین می زند که سرطان ریه باعث مرگ ۱۲۵۰۰۰ نفر خواهد شد و تنها در ایالات متحده بیش از ۲۳۴۰۰۰ مورد جدید وجود خواهد داشت.
به گفته مؤسسه ملی سرطان، سرطان زمانی اتفاق میافتد که سلولهای غیرطبیعی بهطور غیرقابل کنترل تقسیم میشوند و بیش از ۱۰۰ نوع سرطان وجود دارد. سرطان ها از قسمتی از بدن که در آن منشا گرفته اند نامگذاری می شوند. سرطان ریه سرطانی است که از ریه شروع شده است.
دو نوع وجود دارد، سرطان ریه سلول غیرکوچک (NSCLC) که ۸۰ تا ۸۵ درصد تمام سرطانهای ریه را تشکیل میدهد و سرطان سلول کوچک ریه (SCLC) که ۱۰ تا ۱۵ درصد از کل سرطانهای ریه را تشکیل میدهد. انجمن سرطان آمریکا (ACS). سرطان ریه سلول غیرکوچک شامل آدنوکارسینوم، کارسینوم سلول سنگفرشی، کارسینوم سلول بزرگ (تمایز نشده)، کارسینوم سلول عصبی غدد بزرگ (LCNEC)، کارسینوم آدنوسکواموس و کارسینوم سارکوماتوئید در ACS می باشد. برای این مطالعه، محققان بر روی سرطانهای ریه سلولهای غیرکوچک، شایعترین نوع سرطان ریه، تمرکز کردند.
دانشمندان نوشتند: «ما الگوریتم تقسیمبندی بافت چند کلاسه اولیه را بر روی یک مجموعه داده قابلتوجه، با کیفیت بالا و مشروح دستی از تصاویر کل اسلاید با آدنوکارسینوم ریه و کارسینوم سلول سنگفرشی آموزش میدهیم.
در یادگیری ماشینی هوش مصنوعی، کیفیت داده های آموزشی بر عملکرد کلی الگوریتم هوش مصنوعی تأثیر می گذارد. محققان الگوریتم تقسیمبندی اصلی هوش مصنوعی خود را با استفاده از مجموعه داده بزرگ و برچسبگذاری شده آموزش دادند. الگوریتم هوش مصنوعی آنها با استفاده از داده های تصویر کل اسلاید (WSI) از اطلس ژنوم سرطان (TCGA) آدنوکارسینوم ریه و گروه های سرطان سلول سنگفرشی ریه توسعه داده شد. اطلس ژنوم سرطان یک همکاری بین مؤسسه ملی بهداشت (NIH) مؤسسه ملی سرطان (NCI) و مؤسسه ملی تحقیقات ژنوم انسانی است که در سال ۲۰۰۶ شروع به کار کرد و منجر به ارائه بیش از ۲.۵ پتابایت داده در توصیف ۳۳ نوع مختلف تومور، از جمله ۱۰ نوع تومور شده است. اشکال نادر سرطان، بر اساس مجموعه تومورهای جفت شده و بافت طبیعی از ۱۱۰۰۰ بیمار جمع آوری شده طی ۱۲ سال. به گفته مؤسسه ملی سرطان، اطلس ژنوم سرطان به شناسایی پایه مولکولی و زیربنای ژنومی سرطان، انواع فرعی تومور که بر نحوه طبقه بندی سرطان تأثیر می گذارد و ویژگی های ژنومی تومورها که می توانند به عنوان اهداف درمانی برای توسعه دارو عمل کنند، کمک کرده است.
برای ارزیابی و اعتبارسنجی پلت فرم آسیب شناسی محاسباتی هوش مصنوعی خود برای تجزیه و تحلیل مقاطع بافتی رنگ آمیزی شده با هماتوکسیلین و ائوزین (H&E) برای سرطان ریه سلول غیرکوچک، این تیم از داده های یک گروه مستقل چند نهادی بزرگ و بین المللی استفاده کرد.
به گفته محققان، الگوریتم هوش مصنوعی آنها در مورد دقت ساخت نقشه های تقسیم بندی بهتر از سایر مطالعات است و امتیاز دایس را برای تقسیم بندی تومور فقط اپیتلیال ۸۸.۵٪ گزارش کرده است.
امتیاز تاس که ضریب تشابه تاس یا ضریب شباهت Sørensen-Dice برای تقسیم بندی تصویر نیز نامیده می شود، شباهت بین دو مجموعه داده را اندازه گیری می کند. در زمینه هوش مصنوعی، امتیازات دایس به ارزیابی شباهت بین تقسیم بندی پیش بینی شده و واقعی کمک می کند.
به گفته محققان، آنها همچنین به "اولین الگوریتم مبتنی بر هوش مصنوعی برای تعیین کمیت تراکم نکروز در سرطان ریه و نشان دادن ارزش پیش آگهی مستقل آن دست یافتند.”
دانشمندان اشاره می کنند که مطالعات قبلی ارزش ساختارهای لنفوئیدی سوم را در پیش بینی سرطان ریه و سایر سرطان ها ثابت کرده است. ساختارهای لنفوئیدی سوم، خوشه های سلولی ایمنی هستند که در مناطقی قرار دارند که دارای تحریک التهابی مداوم مانند تومورها هستند. الگوریتم هوش مصنوعی آنها قادر به تعیین کمیت ساختارهای لنفوئیدی سوم (TLS) با نمره دایس بالای ۹۳.۷٪ است.
محققان نتیجه گرفتند: «پلتفرم محاسباتی توسعهیافته برای NSLSC امکان تجزیه و تحلیل بسیار دقیق، کمی و عینی مورفولوژی تومور را فراهم میکند.