آخرین مطالب

تشخیص دقیق تومورهای مغزی با استفاده از هوش مصنوعی


تشخیص دقیق تومورهای مغزی با استفاده از هوش مصنوعی

طبقه بندی تومورهای مغزی – و در نتیجه انتخاب گزینه های درمانی بهینه – می تواند از طریق استفاده از هوش مصنوعی در ترکیب با تصویربرداری فیزیولوژیکی دقیق تر و دقیق تر شود. این نتیجه یک مطالعه گسترده است که در سرطان ها و توسط دانشگاه کارل لندشتاینر برای علوم بهداشتی (KL Krems) انجام شد. روش های یادگیری ماشین چند کلاسه برای تجزیه و تحلیل و طبقه بندی تومورهای مغزی با استفاده از داده های فیزیولوژیکی از تصویربرداری رزونانس مغناطیسی استفاده شد. سپس نتایج با طبقه بندی های انجام شده توسط متخصصان انسانی مقایسه شد. مشخص شد که هوش مصنوعی در زمینه‌های دقت، دقت و طبقه‌بندی نادرست، از جمله موارد دیگر برتر است، در حالی که متخصصان در حساسیت و ویژگی بهتر عمل می‌کنند.

تومورهای مغزی را می توان به راحتی با تصویربرداری رزونانس مغناطیسی (MRI) شناسایی کرد، اما طبقه بندی دقیق آنها دشوار است. با این حال، این دقیقاً همان چیزی است که برای انتخاب بهترین گزینه های درمانی ممکن ضروری است. اکنون، یک تیم بین‌المللی به رهبری KL Krems از داده‌های روش‌های مدرن MRI به عنوان مبنای پروتکل‌های یادگیری ماشین (ML) استفاده کرده و استفاده از هوش مصنوعی را برای طبقه‌بندی تومورهای مغزی ارزیابی کرده‌اند. آنها دریافتند که در برخی زمینه‌ها، طبقه‌بندی با استفاده از هوش مصنوعی می‌تواند برتر از طبقه‌بندی توسط متخصصان آموزش دیده باشد.

MRI بیشتر، داده های بیشتر

تیمی به سرپرستی پروفسور آندریاس استادلبائر، دانشمند مؤسسه مرکزی تشخیص رادیولوژی پزشکی در بیمارستان دانشگاه سنت پولتن، از داده های MRI پیشرفته و فیزیولوژیکی برای این مطالعه استفاده کردند. هر دو روش بینش بیشتری در مورد ساختار و متابولیسم تومور مغزی ارائه می دهند و برای مدتی امکان طبقه بندی بهتر را فراهم می کنند. اما هزینه ای که باید برای چنین تصویر متمایز پرداخت کرد، حجم عظیمی از داده هاست که باید به طور ماهرانه ارزیابی شوند. پروفسور Stadlbauer توضیح می دهد: “ما اکنون تجزیه و تحلیل کرده ایم که آیا و چگونه یک هوش مصنوعی با استفاده از ML می تواند فعال شود تا از متخصصان آموزش دیده در این کار هرکول پشتیبانی کند.” “و نتایج بسیار امیدوار کننده هستند. هنگامی که صحبت از دقت، دقت و اجتناب از طبقه بندی اشتباه می شود، یک هوش مصنوعی می تواند تومورهای مغز را با استفاده از داده های MRI به خوبی طبقه بندی کند.”

این تیم برای دستیابی به نتیجه چشمگیر خود، 9 الگوریتم معروف Multiclass ML را با داده های MRI از 167 بیمار قبلی که یکی از پنج تومور شایع مغزی را داشتند و با استفاده از بافت شناسی طبقه بندی دقیقی داشتند، آموزش دادند. در مجموع 135 طبقه بندی کننده در یک پروتکل پیچیده تولید شد. اینها توابع ریاضی هستند که مواد مورد بررسی را به دسته های خاصی اختصاص می دهند. پروفسور Stadlbauer توضیح می دهد: “بر خلاف مطالعات قبلی، ما داده های MRI فیزیولوژیکی را نیز در نظر گرفتیم.” این شامل جزئیاتی در مورد معماری عروقی تومورها و تشکیل عروق جدید و همچنین تامین اکسیژن به بافت تومور بود.

رادیوفیزیونومیکس

این تیم ترکیبی از داده‌های حاصل از روش‌های مختلف MRI با چند کلاسه ML را «رادیوفیزیومیکس» نامیدند. این اصطلاحی است که احتمالاً به سرعت به کار می‌رود، زیرا پتانسیل این رویکرد در بخش دوم پروژه، مرحله آزمایش، آشکار شد. در این، الگوریتم‌های چند کلاسه ML که اکنون آموزش دیده‌اند، با داده‌های MRI مربوطه از 20 بیمار فعلی تومور مغزی تغذیه شدند و نتایج طبقه‌بندی‌های به‌دست‌آمده با نتایج دو رادیولوژیست معتبر مقایسه شد. بنابراین، دو بهترین الگوریتم ML (به‌عنوان “تقویت تطبیقی” و “جنگل تصادفی”) از نتایج ارزیابی انسانی در زمینه‌های دقت و دقت بهتر عمل کردند. همچنین، این الگوریتم‌های ML منجر به طبقه‌بندی اشتباه کمتری نسبت به افراد حرفه‌ای شدند (5 در مقابل 6). از سوی دیگر، وقتی نوبت به حساسیت و ویژگی ارزیابی می‌شد، ارزیابی‌های انسانی دقیق‌تر از هوش مصنوعی آزمایش‌شده بود.

پروفسور Stadlbauer می گوید: “این همچنین روشن می کند که رویکرد ML نباید جایگزینی برای طبقه بندی توسط پرسنل واجد شرایط باشد، بلکه باید مکمل آن باشد. علاوه بر این، زمان و تلاش مورد نیاز برای این رویکرد در حال حاضر هنوز باقی مانده است. بسیار بالا است. اما امکانی را ارائه می دهد که پتانسیل آن باید بیشتر برای استفاده بالینی روزمره دنبال شود.” به طور کلی، این مطالعه دوباره تمرکز تحقیقات در KL Krems را بر یافته‌های اساسی با ارزش افزوده بالینی واقعی نشان می‌دهد.


تجزیه و تحلیل گذشته نگر MRI فرآیند پاتوفیزیولوژیک را برای تشخیص زودهنگام گلیوبلاستوما عود کننده آشکار می کند.


اطلاعات بیشتر:
آندریاس استادلبائر و همکاران، رادیوفیزیومیکس: طبقه بندی تومورهای مغزی بر اساس داده های یادگیری ماشینی و فیزیولوژیکی MRI، سرطان ها (2022). DOI: 10.3390/cancers14102363

ارائه شده توسط دانشگاه کارل لندشتاینر

نقل قول: تشخیص دقیق تومورهای مغزی با استفاده از هوش مصنوعی (2022، 21 ژوئن) در 21 ژوئن 2022 از https://medicalxpress.com/news/2022-06-accurate-diagnosis-brain-tumors-artificial.html بازیابی شده است.

این برگه یا سند یا نوشته تحت پوشش قانون کپی رایت است. به غیر از هرگونه معامله منصفانه به منظور مطالعه یا تحقیق خصوصی، هیچ بخشی بدون اجازه کتبی قابل تکثیر نیست. محتوای مذکور فقط به هدف اطلاع رسانی ایجاد شده است.