توانایی هوش مصنوعی در درمان سریع‌ و بهتر تومور‌های مغزی

به گزارش خبرنگار خبرگزاری علم و فناوری آنا به نقل از گاردین، یک تحقیق جدید نشان می‌دهد که یادگیری ماشینی می‌تواند به تحلیل گلیوما، شایع‌ترین تومور مغزی و کاهش مدت زمان ماندن بیماران در اتاق عمل کمک کند.

طبق تحقیقی که این هفته توسط دانشکده پزشکی دانشگاه هاروارد منتشر شد، یک ابزار هوش مصنوعی جدید می‌تواند به جراح‌های مغز در زمینه درمان تومور‌های مغزی کمک کند.

محققان علوم عصبی ده‌ها سال است که سعی در شناخت گیلوما، شایع‌ترین تومور مغزی در بیماران سرطانی، دارند. یک گونه تهاجمی از گلیوما به خصوص منجر به مرگ جان مک کین، سناتور معروف آریزونا، شد.

هسینگ یو، استاد دانشکده پزشکی دانشگاه هاروارد، که یکی از نویسندگان این مقاله است، گفت: «انواع متفاوت گلیوما‌ها نیاز به انواع متفاوتی از جراحی‌ها نیز دارند.»

برای برداشتن بدون خطر یک گلیوما بدون آسیب زدن به بافت مغزی اطرافش، جراح‌های مغزی نیاز به اطلاعات زیادی دارند که اغلب تا زمانی که بیمار روی تخت جراحی قرار نگرفته قابل دریافت و جمع آوری نیستند.

یو گفت: هنگام جراحی بیماران مبتلا به سرطان مغزی، پزشکان یک تکه نمونه را به آزمایشگاه پاتولوژی می‌فرستند تا فوراً نتیجه‌اش را دریافت کنند. یک پاتولوژیست با گفتن این که آن‌ها دارند بافت درست را می‌برند یا نه یا گفتن نوع سرطان خاص بیمار کمک زیادی به آن‌ها می‌کند.

در مراکز پزشکی پیشرفته، پاتولوژیست‌ها معمولاً در عرض ۱۰ تا ۱۵ دقیقه نمونه بافت مغزی را آنالیز می‌کنند. این عمل زمانی صورت می‌گیرد که جمجمه بیمار روی میز جراحی مقابل جراح‌ها باز است. اما این فرایند ضد خطا و اشتباه نیست، پاتولوژیست‌ها در این شرایط تحت استرس زیادی قرار دارند و کیفیت نمونه هم گاهی خوب نیست، بنابراین گاهی اوقات ممکن است که اشتباهاتی در طول این فرایند سریع رخ دهند.

یو و همکارانش دریافته اند که یادگیری ماشینی- شاخه‌ای از هوش مصنوعی که در آن فناوری الگو‌ها را بدون دستورالعمل‌های آشکار از یک برنامه نویس یاد می‌گیرد- می‌تواند به آنالیز سریع و دقیقتر یک گلیوما کمک کند. این فناوری می‌تواند زمانی که بیمار در اتاق عمل به سر می‌برد را نیز کاهش دهد.

یادگیری ماشینی به پزشک‌ها نیز کمک می‌کند تا از درمان‌های دیگری در درمان سرطان مغز استفاده کنند. یکی از قابل اعتمادترین روش‌های درمان گلیومای تهاجمی عبارتست از تزریق دارو‌های ضدتومور مستقیماً به مغز در طول جراحی است.

یو و همکارانش معتقدند که فناوری شان می‌تواند به تشخیص ماهیت تومور در اتاق عمل کمک کند و از این روی پزشک‌ها سریعتر و بهتر می‌توانند تشخیص دهند که از چه دارویی باید برای درمان استفاده کنند.