یک سامانه هوش مصنوعی به نام REDMOD توانسته است نشانه‌های تصویری مرتبط با سرطان پانکراس را به‌طور میانگین ۴۷۵ روز پیش از تشخیص بالینی شناسایی کند. نتایج پژوهشی منتشرشده در نشریه «Gut» نشان می‌دهد حساسیت تشخیصی این سامانه ۷۳ درصد بوده است؛ درحالی‌که این شاخص برای رادیولوژیست‌های باتجربه به ۳۹ درصد می‌رسید.
به گزارش سلامت نیوز به نقل از sciencedaily، یک سامانه هوش مصنوعی جدید به نام REDMOD توانسته است تغییرات بسیار ظریف بافت پانکراس را که ممکن است نشانه سرطان باشند، به‌طور میانگین ۴۷۵ روز پیش از تشخیص بالینی شناسایی کند. نتایج این پژوهش که به‌صورت آنلاین در نشریه «Gut» منتشر شده، نشان می‌دهد این فناوری در شناسایی نشانه‌های اولیه سرطان مجرای پانکراس، از رادیولوژیست‌های باتجربه عملکرد بهتری داشته است.
سرطان مجرای پانکراس (Pancreatic ductal adenocarcinoma) شایع‌ترین نوع سرطان پانکراس است و معمولاً زمانی تشخیص داده می‌شود که بیماری پیشرفت کرده باشد. تشخیص دیرهنگام یکی از دلایل اصلی پایین بودن میزان بقای بیماران مبتلا به این سرطان است.
پژوهشگران امیدوارند سامانه REDMOD بتواند با شناسایی نشانه‌های بیماری در مراحل بسیار اولیه، به تشخیص زودهنگام و افزایش فرصت درمان مؤثر کمک کند. بااین‌حال، این فناوری هنوز به بررسی‌های بیشتری نیاز دارد و پیش از استفاده گسترده در مراکز درمانی باید در مطالعات آینده‌نگر ارزیابی شود.
چرا تشخیص زودهنگام سرطان پانکراس دشوار است؟
سرطان پانکراس در مراحل اولیه معمولاً علائم مشخصی ایجاد نمی‌کند. از سوی دیگر، تغییرات بافتی ناشی از این بیماری ممکن است آن‌قدر ظریف باشند که در تصویربرداری‌های معمول پزشکی به‌راحتی تشخیص داده نشوند. سرعت پیشرفت بیماری نیز اهمیت تشخیص به‌موقع را افزایش می‌دهد.
برای مقابله با این چالش، پژوهشگران سامانه‌ای مبتنی بر هوش مصنوعی با نام کامل «مدل تشخیص زودهنگام مبتنی بر رادیومیکس» (REDMOD) طراحی کردند.
رادیومیکس به استخراج و تحلیل الگوهای پیچیده و ویژگی‌های کمّی تصاویر پزشکی گفته می‌شود؛ ویژگی‌هایی که ممکن است با مشاهده معمول تصاویر به‌سادگی قابل تشخیص نباشند.
این سامانه تصاویر سی‌تی‌اسکن شکم را بررسی می‌کند تا تغییرات بسیار ظریف در بافت پانکراس را شناسایی کند. همچنین، به‌طور خودکار محدوده پانکراس را مشخص کرده و آن را از اندام‌ها و بافت‌های مجاور تفکیک می‌کند. این قابلیت نیاز به ترسیم دستی مرزهای اندام توسط متخصصان را کاهش می‌دهد و می‌تواند از تفاوت‌های ناشی از ارزیابی افراد مختلف جلوگیری کند.
شناسایی نشانه‌های سرطان به‌طور میانگین ۴۷۵ روز پیش از تشخیص
برای ارزیابی عملکرد REDMOD، پژوهشگران تصاویر سی‌تی‌اسکن شکم ۲۱۹ بیمار را که در چند بیمارستان درمان شده بودند، بررسی کردند. در زمان انجام تصویربرداری، رادیولوژیست‌های باتجربه نشانه‌ای از سرطان پانکراس در این افراد تشخیص نداده بودند؛ بااین‌حال، همه آن‌ها در ادامه به این بیماری مبتلا شدند.
تصاویر بیماران در بازه‌های زمانی متفاوتی پیش از تشخیص سرطان گرفته شده بود:
-
۸۷ بیمار، معادل ۴۰ درصد، سه تا ۱۲ ماه پیش از تشخیص تصویربرداری شده بودند.
-
۷۶ بیمار، معادل ۳۵ درصد، ۱۲ تا ۲۴ ماه پیش از تشخیص سی‌تی‌اسکن داشتند.
-
۵۶ بیمار، معادل ۲۵ درصد، بیش از ۲۴ ماه و تا حدود سه سال پیش از تشخیص تصویربرداری شده بودند.
در ۶۴ درصد بیماران، تومور در سر پانکراس قرار داشت. میانگین سن افراد مبتلا ۶۹ سال بود و سن آن‌ها از ۳۴ تا ۸۸ سال متغیر بود.
پژوهشگران برای مقایسه، تصاویر ۱۲۴۳ فرد را نیز بررسی کردند که طی دوره پیگیری تا سه سال بعد به سرطان پانکراس مبتلا نشدند. این گروه از نظر سن، جنسیت و زمان تصویربرداری با گروه بیماران مقایسه شده بود.
نتایج نشان داد سامانه REDMOD توانست الگوهای تصویری مرتبط با سرطان را به‌طور میانگین ۴۷۵ روز پیش از تشخیص بالینی شناسایی کند؛ نشانه‌هایی که در ارزیابی‌های معمول رادیولوژی شناسایی نشده بودند.
پژوهشگران تأکید کردند که شناسایی بیماری در چنین بازه زمانی‌ای می‌تواند فرصت بیشتری برای درمان در مراحل اولیه فراهم کند. مدل‌سازی‌های مورد اشاره آن‌ها نیز نشان می‌دهد افزایش سهم سرطان‌های محدود به ناحیه موضعی از ۱۰ به ۵۰ درصد می‌تواند میزان بقا را بیش از دو برابر کند؛ هرچند این برآورد به معنای اثبات چنین افزایشی در اثر استفاده از REDMOD نیست.
عملکرد هوش مصنوعی بهتر از رادیولوژیست‌ها بود
یکی از یافته‌های مهم پژوهش، تفاوت عملکرد هوش مصنوعی با متخصصان رادیولوژی بود.
حساسیت تشخیصی REDMOD به ۷۳ درصد رسید، درحالی‌که این شاخص برای رادیولوژیست‌ها ۳۹ درصد بود. حساسیت نشان می‌دهد یک روش تشخیصی تا چه اندازه می‌تواند افراد واقعاً مبتلا به بیماری را شناسایی کند، به‌جای آنکه موارد ابتلا را از دست بدهد.
اختلاف عملکرد در تصاویر گرفته‌شده بیش از دو سال پیش از تشخیص حتی بیشتر بود. در این گروه، حساسیت سامانه هوش مصنوعی به ۶۸ درصد رسید، درحالی‌که این میزان برای رادیولوژیست‌ها ۲۳ درصد بود.
پژوهشگران همچنین توانایی سامانه را در شناسایی افراد فاقد سرطان بررسی کردند. در یک گروه مستقل شامل ۵۳۹ بیمار از چند بیمارستان، REDMOD توانست کمی بیش از ۸۱ درصد تصاویر را به‌درستی به‌عنوان تصاویر فاقد سرطان طبقه‌بندی کند.
این سامانه در مجموعه داده عمومی NIH-PCT متعلق به مؤسسه ملی سلامت آمریکا نیز ارزیابی شد. در این مجموعه شامل ۸۰ نفر، ۸۷.۵ درصد تصاویر مربوط به افراد فاقد سرطان به‌درستی شناسایی شدند.
بررسی تصاویر تکراری از یک بیمار در فاصله چند ماه نیز نشان داد نتایج سامانه در ۹۰ تا ۹۲ درصد موارد با یکدیگر مطابقت داشتند. این میزان تطابق نشان می‌دهد شناسایی الگوهای تصویری توسط سامانه در طول زمان تا حد زیادی پایدار بوده است؛ هرچند به‌تنهایی صحت تشخیص سرطان را اثبات نمی‌کند.
هوش مصنوعی می‌تواند تشخیص سرطان پانکراس را متحول کند؟
با وجود نتایج امیدوارکننده، پژوهشگران می‌گویند هنوز محدودیت‌هایی وجود دارد. یکی از این محدودیت‌ها، تنوع ناکافی پیشینه‌های قومی در جمعیت مورد مطالعه است؛ مسئله‌ای که ممکن است بر قابلیت تعمیم نتایج به جمعیت‌های مختلف تأثیر بگذارد.
همچنین، سامانه باید در مطالعات آینده‌نگر و به‌ویژه در میان افرادی که در معرض خطر بالاتر سرطان پانکراس قرار دارند، آزمایش شود تا مشخص شود استفاده از آن در شرایط واقعی درمانی تا چه اندازه مفید است.
پژوهشگران به‌طور خاص بررسی عملکرد این فناوری در افراد پرخطر، از جمله کسانی که کاهش وزن بدون علت مشخص دارند یا به‌تازگی به دیابت مبتلا شده‌اند، را ضروری می‌دانند.
به گفته آن‌ها، اگر اثربخشی REDMOD در مطالعات آینده تأیید شود، این فناوری می‌تواند به شناسایی زودتر سرطان پانکراس و فراهم شدن فرصت مداخله پیش از پیشرفت بیماری کمک کند.
پژوهشگران در جمع‌بندی مطالعه خود اعلام کردند که REDMOD چارچوبی کاملاً خودکار برای شناسایی الگوهای تصویری مرتبط با مرحله صفر سرطان مجرای پانکراس در بافتی ارائه می‌کند که در ارزیابی معمول، طبیعی به نظر می‌رسد. آن‌ها در عین حال تأکید کردند که برای اثبات کاربرد بالینی این سامانه، انجام مطالعات آینده‌نگر ضروری است.
این پژوهش گامی امیدوارکننده در استفاده از هوش مصنوعی برای تشخیص زودهنگام سرطان پانکراس است؛ اما هنوز نمی‌توان از آن به‌عنوان روشی قطعی و آماده استفاده عمومی یاد کرد.