هوش مصنوعی تومور مغزی را درمان می کند
به گزارش بیست آمار، دو پژوهشگر هندی و ژاپنی، یک روش مبتنی بر یادگیری ماشینی ابداع کرده اند که می تواند درمان مناسب برای بیماران مبتلا به تومور مغزی را با توجه به شدت تومور آنها ارائه دهد.
شاید یک ابزار دقیق یادگیری ماشینی بتواند به پزشکان کمک کند تا درمان های شخصی سازی شده ای را برای بیماران مبتلا به تومورهای مغزی گلیوما(Glioma) ارائه دهند.
پژوهشگران هندی و ژاپنی، یک روش جدید یادگیری ماشینی ابداع کرده اند که نوع متداولی از تومور مغزی را در درجات پایین یا بالا، با دقت حدود 98 درصد طبقه بندی می کند. این روش می تواند به پزشکان کمک کند تا موثرترین راهبرد را برای درمان شخصی سازی شده بیماران انتخاب کنند.
گلیوما، نوع متداولی از تومور مغزی است که بر یاخته های گلیال که وظیفه حمایت از نورون ها را بر عهده دارند، اثر می گذارد. 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.
رادیولوژیست ها معمولا از اسکن های ام .آر.آی، داده های بسکمک را به دست می آورند تا تصویر سه بعدی بافت اسکن شده را بازسازی کنند. بسکمک از داده های به دست آمده از اسکن های ام .آر.آی از جمله جزئیات مربوط به شکل و بافت تومور را نمی توان با چشم غیرمسلح تشخیص داد.
الگوریتم های هوش مصنوعی می توانند به استخراج این داده ها کمک کنند. متخصصان سرطان شناسی، از این روش برای بهبود تشخیص بیماران استفاده کرده اند 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 کرده اند که می تواند تومورهای گلیوما را با حدود 98 درصد دقت، در درجات بالا و پایین طبقه بندی کند.
با کمک این روش، تومورهای گلیوما با توجه به میزان تهاجمی بودن آنها مشخص و طبقه بندی می شوند تا پزشکان بتوانند درمان مناسب برای هر بیمار را با توجه به سطح تومور انتخاب کنند.
رامان گفت: روش ما، رویکردهای پیشرفته ای را به کار می گیرد تا میزان تهاجمی بودن گلیوما را با توجه به اسکن های ام .آر.آی مغز بیماران مشخص کند.
گانش گفت: ما امیدواریم هوش مصنوعی، به ابداع مدل های نرم افزاری نیمه اتوماتیک یا اتوماتیک منجر شود که می توانند به پزشکان و رادیولوژیست ها در انتخاب بهترین درمان برای بیماران کمک کنند. این پژوهش، در مجله IEEE Access به چاپ رسید.،ایسنا
بیشتر بخوانیم: تشخیص سرطان روده با هوش مصنوعی
منبع: ایران آنلاین