هوش مصنوعی می‌تواند مبتلایان به سرطان پستان را از درمان‌های غیرضروری در امان نگه دارد

این مطالعه نشان می‌دهد که ارزیابی هوش مصنوعی از بافت‌های سرطانی در پیش‌بینی سیر آینده بیماری بهتر از ارزیابی انجام شده توسط پزشکان خبره بوده است. 

به گزارش ایتنا و به نقل از یورونیوز، هوش مصنوعی توانایی شناسایی بیماران مبتلا به سرطان پستان که به عنوان بیماران با ریسک بالا و متوسط شناخته می‌شوند و می‌توانند مدت زمان زیادی را زنده بمانند، دارد. این بدان معناست که مدت یا شدت شیمی درمانی آنها می‌تواند کاهش یابد. این اتفاق مهمی است، چرا که شیمی درمانی با عوارض جانبی ناخوشایند و مضری مانند حالت تهوع و حتی در موارد نادری آسیب به قلب همراه است. 

در حال حاضر پاتولوژیست‌ها سلول‌های سرطانی را در بافت بیمار برای تعیین نوع درمان ارزیابی می‌کنند. اما این مطالعه نشان داد که الگوهای سلول‌های غیرسرطانی در پیش‌بینی نتایج بسیار مهم هستند. 

این اولین مطالعه‌ای است که از هوش مصنوعی برای ارزیابی جامع عناصر سرطانی و غیرسرطانی «سرطان پستان تهاجمی» استفاده می‌شود. 

لی کوپر، نویسنده این مقاله و دانشیار پاتولوژی در دانشکده پزشکی فاینبرگ دانشگاه «نورث وسترن مدسن» گفت: «مطالعه ما اهمیت اجزای غیرسرطانی را در نتیجه بیماری نشان می‌دهد.» 
 

در سال ۲۰۲۳، حدود ۳۰۰ هزار زن آمریکایی دچار سرطان پستان تهاجمی شدند. از هر هشت زن آمریکایی، یک زن در طول زندگی خود به سرطان پستان مبتلا می‌شود. 

کوپر و همکارانش یک مدل هوش مصنوعی برای ارزیابی بافت سرطان پستان از تصاویر دیجیتالی ساختند که ظاهر سلول‌های سرطانی و غیرسرطانی و همچنین تعامل بین آنها را اندازه گیری می‌کند.

به گفته کوپر ارزیابی این الگوها برای یک پاتولوژیست چالش‌برانگیز است، زیرا درجه‌بندی قابل اعتماد برای چشم انسان دشوار است. مدل هوش مصنوعی این الگوها را اندازه‌گیری می‌کند و اطلاعات را به آسیب شناس ارائه می‌دهد.

هوش مصنوعی ۲۶ ویژگی مختلف بافت پستان بیمار را تجزیه و تحلیل می‌کند تا یک نمره کلی برای پیش‌بینی روند بیماری ارائه دهد. این سیستم همچنین امتیازهایی برای سلول‌های سرطانی، ایمنی و استرومایی در نظر می‌گیرد تا وضعیت کلی را برای پاتولوژیست تعریف کند. 

کوپر می‌گوید که پذیرش مدل جدید می‌تواند تخمین دقیق‌تری از خطر مرتبط با بیماری‌ به مبتلا به سرطان پستان ارائه دهد و آنها را قادر سازد تا در مورد مراقبت‌های بالینی خود تصمیمات آگاهانه‌ای بگیرند. 

علاوه بر این، این مدل ممکن است به ارزیابی پاسخ درمانی هم کمک کند و بسته به اینکه ظاهر میکروسکوپی بافت در طول زمان چگونه تغییر می‌کند، امکان افزایش یا کاهش شدت درمان را فراهم خواهد کرد. به عنوان مثال، این ابزار ممکن است قادر به تشخیص اثربخشی سیستم ایمنی بیمار در هدف قرار دادن سرطان در طول شیمی درمانی باشد که می‌تواند برای کاهش یا افزایش شدت شیمی درمانی مورد استفاده قرار گیرد.