به گزارش خبرنگار گروه علم و فناوری خبرگزاری برنا؛ پیش بینی شده است سرطان لوزالمعده دومین عامل مرگ ناشی از سرطان در آمریکا تا سال ۲۰۳۰ خواهد بود. تشخیص زودهنگام بهترین راه بهبود چشم انداز بیماری است، زیرا زمانی که تومور بیش از ۲ سانتی متر رشد کند، پیش آگهی بدتر می‌شود.
سی تی اسکن روش تصویربرداری کلیدی برای تشخیص این سرطان است، اما حدود ۴۰ درصد از تومور‌های زیر ۲ سانتی متر را شناسایی نمی‌کند. در این میان نیاز مبرم به ابزاری موثر برای کمک به رادیولوژیست‌ها در بهبود تشخیص سرطان پانکراس احساس می‌شود.
محققان در تایوان روی یک ابزار تشخیصی به کمک رایانه (CAD) مطالعه می‌کنند که از نوعی هوش مصنوعی به نام یادگیری عمیق برای تشخیص سرطان پانکراس استفاده می‌کند.
آن‌ها قبلاً نشان داده بودند که این ابزار می‌تواند به طور دقیق سرطان لوزالمعده را از لوزالمعده غیرسرطانی تشخیص دهد. با این حال، آن مطالعه به تشخیص رادیولوژیست از روی تصویربرداری اتکا داشت. در مطالعه جدید، ابزار هوش مصنوعی سرطان را به طور خودکار شناسایی کرد.
پژوهشگران این ابزار را با انجام یک مجموعه آزمایش روی ۵۴۶ بیمار مبتلا به سرطان لوزالمعده و ۷۳۳ شرکت کننده تهیه کردند. این ابزار به حساسیت ۹۰ درصد و ویژگی ۹۶ درصد دست یافت.
اعتبارسنجی بعد از ۱۴۷۳ آزمون سی تی اسکن فردی از موسسات سراسر تایوان دنبال شد. این ابزار به ۹۰ درصد حساسیت و ۹۳ درصد ویژگی در تشخیص سرطان لوزالمعده در مقایسه با گروه کنترل دست یافت. حساسیت برای تشخیص تومور کمتر از ۲ سانتی متر، ۷۵ درصد بود.
دکتر ویچونگ وانگ، نویسنده ارشد این مطالعه و استاد دانشگاه ملی تایوان و مدیر آزمایشگاه MeDA دانشگاه گفت: به نظر می‌رسد عملکرد ابزار یادگیری عمیق CAD با عملکرد رادیولوژیست‌ها برابری می‌کند. به طور خاص، در این مطالعه، حساسیت ابزار تشخیص عمیق به کمک رایانه برای سرطان لوزالمعده با عملکرد رادیولوژیست‌ها بدون توجه به اندازه و مرحله رشد تومور قابل مقایسه است.
وانگ گفت: ابزار CAD قابلیت ارایه انبوهی از اطلاعات را برای کمک به پزشکان دارد و می‌تواند منطقه مشکوک سرطان را نشان دهد تا به تشخیص رادیولوژیست سرعت بخشد.
وی چی لیائو، نویسنده ارشد این مطالعه از دانشگاه ملی تایوان و بیمارستان دانشگاه ملی تایوان، گفت: ابزار CAD ممکن است به عنوان مکملی برای رادیولوژیست‌ها عمل کند تا تشخیص سرطان پانکراس را بهبود بخشد.
محققان می‌خواهند عملکرد این ابزار را در جمعیت‌های متنوع تری بررسی کنند. از آنجا که مطالعه فعلی گذشته‌نگر بود، آن‌ها می‌خواهند ببینند که هوش مصنوعی چگونه در شرایط بالینی عمل می‌کند.
انتهای پیام/