هوش مصنوعی چگونه سرطان ریه را تشخیص می دهد؟

به گزارش برنا؛ محققان شرکت بیوتکنولوژی Delfi Diagnostics مستقر در بالتیمور یک فناوری آزمایش خون مبتنی بر یادگیری ماشینی را توسعه داده اند که می‌تواند تا حد زیادی به تشخیص مراحل اولیه سرطان ریه کمک کند.

در مطالعه‌ای که در مجله Nature Communications منتشر شده است، مسئولان این تیم توضیح می‌دهند که چگونه ابزار تشخیصی می‌تواند پروفایل‌های تجزیه DNA بدون سلول (cfDNAs) در سراسر ژنوم و قطعات اسید نوکلئیک موجود در جریان خون را که می‌تواند وجود سلول‌های توموری را نشان دهد، با درجه دقت حیرت انگیز تجزیه و تحلیل کند.

فناوری آزمایش خون بر پایه یادگیری ماشینی

محققان این ابزار را بر روی ۹۰ نفر که از نظر ابتلا به بیماری سرطان ریه غربالگری شده بودند، آزمایش کرده و نتیجه فوق العاده‌ای را به دست آوردند؛ این دستگاه تقریباً ۹۰ درصد موارد سرطان را تشخیص داد، به هر حال محققان امیدوارند که فناوری‌های غربالگری و تشخیص بهتر بتواند موارد بیشتری از سرطان ریه را زودتر از موعد تشخیص دهد که این می‌تواند تا حد زیادی روند بهبود بیماران را سرعت ببخشد.

پیتر باخ، مدیر ارشد خدمات مالی شرکت دلفی، می‌گوید: این نتایج نشان می‌دهد که فناوری غربالگری سرطان ریه دلفی می‌تواند با ارائه یک آزمایش مناسب و با عملکرد بالا به افرادی که واجد شرایط [گروه ویژه خدمات پیشگیرانه ایالات متحده]هستند، سبب کاهش مرگ و میر ناشی از سرطان ریه شود.

او افزود: ما در حال حاضر ثبت نام از ۱۷۰۰ بیمار را برای انجام آزمایشات و مشاهده شواهد بالینی جهت اجرای مرحله نهایی تجاری سازی غربالگری ریه آغاز کرده ایم، آزمایش خون در مقایسه با سی تی اسکن با دوز پایین (LDCT) بسیار آسان‌تر است و به افراد بیشتری اجازه می‌دهد در بازه‌های زمانی کوتاه‌تر مورد آزمایش قرار گیرند.

استفاده از فناوری هوش مصنوعی برای مشخص کردن سلول‌های توموری کاملاً منطقی است، همچنین این اولین بار نیست که از این قابلیت برای تشخیص سرطان استفاده می‌شود و سیستم‌های دیگر نیز تا کنون توانسته اند سرطان روده بزرگ و سرطان سینه را تشخیص دهند.

اخیراً شرکت جانسون و جانسون، سازنده واکسن COVID-۱۹ به یک هوش مصنوعی متفاوت برای تشخیص سرطان ریه کمک مالی کرده است در نهایت می‌توان گفت که با استفاده از ابزار‌های مناسب، پزشکان قادر خواهند بود سرطان را با نرخ بسیار بالاتر و خیلی زودتر تشخیص دهند و با این کار، به طور بالقوه جان بی شماری از بیماران را نجات می‌دهند.