40 گام به سوی آینده‌ای هوشمند - مجموعه وبینارهای رایگان در حوزه هوش مصنوعی
Filter by دسته‌ها
آموزش هوش مصنوعی و انواع آن
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
پایتون و ابزارهای یادگیری عمیق
کتابخانه‌ های یادگیری عمیق
یادگیری با نظارت
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
اخبار
تیتر یک
رسانه‌ها
آموزش پردازش زبان طبیعی
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
رویدادها
دوره
کارگاه
وبینار
کاربردهای هوش مصنوعی
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
وبینارها، کارگاره‌ها و دوره‌ها
 الگوریتم هوش مصنوعی که احتمال بالقوه متاستاز سرطان پوست را برآورد می‌کند

الگوریتم هوش مصنوعی که احتمال بالقوه متاستاز سرطان پوست را برآورد می‌کند

پژوهشگران دانشگاه UT Southwestern توانستند به کمک هوش مصنوعی روشی ابداع کنند که با دقت بسیار بالا میزان متاستاز سرطان پوست را پیش‌بینی می‌کند. یافته‌های پژوهش آن‌ها در مقاله‌ای تحت عنوان Cell Systems منتشر شد. این نتایج حاکی از توانایی بالقوه ابزارهای مبتنی بر هوش مصنوعی برای متحول کردن پاتولوژی سرطان و حتی سایر بیماری‌هاست.

گائودنز دانوسر، استاد دانشگاه و مدیر گروه رشته بیوانفورماتیک دانشگاه UTSW می‌گوید: «ما در حال حاضر یک چارچوب کلی داریم که به ما اجازه می‌دهد نمونه‌‌های بافتی را بگیریم و مکانیسم‌‌های درون سلول‌‌های عامل بیماری را ‌‌پیش‌بینی کنیم، مکانیسم‌‌هایی که در حال حاضر به هیچ وجه قابل دسترسی نیستند.»

هوش مصنوعی و سرطان
هشت نمونه شبیه‌سازی‌شده از ردیابی تصاویر تغییرات سلول ملانولا که توسط نرم‌افزار هوش مصنوعی تهیه شده‌اند. از چپ به راست، احتمال متاستاز نمونه‌های درون تصویر کاهش می‌یابد. سلول‌های مستعد متاستاز عموماً به حالتی شبیه انگشت بادکرده (سلول دارای پای کاذب) تغییرشکل می‌دهند و بدنه سلول رنگ روشن‌تری دارد که به دلیل تغییر محل قرارگیری اندامک‌ها به وجود می‌آید.

دکتر دانوسر توضیح داد که فناوری هوش مصنوعی طی چند سال گذشته به طرز قابل توجهی پیشرفت کرده و روش‌های یادگیری عمیق می‌توانند تفاوت‌های جزئی تصاویر را که اساساً برای چشم انسان قابل‌مشاهده هستند را تشخیص دهند.

محققان با استفاده از این اطلاعات پنهان، به دنبال تفاوت در ویژگی‌‌های بیماری هستند که می‌تواند در تشخیص یا انتخاب روش درمان‌‌ آن موثر باشد. با این حال، وی می‌گوید که تفاوت‌‌های شناسایی‌شده توسط هوش مصنوعی به طور کلی در قالب ویژگی‌‌های سلولی خاص قابل تفسیر نیستند و این نقطه‌ضعفی است که باعث شده است هوش مصنوعی تقاضای زیادی در حوزه بالینی نداشته باشد.

هوش مصنوعی و تشخیص تفاوت بین تصاویر سلول‌‌های ملانوم

دکتر دانوسر و همکارانش برای غلبه بر این مشکل از هوش مصنوعی برای یافتن تفاوت بین تصاویر سلول‌‌های ملانوم با پتانسیل متاستاز بالا و پایین استفاده کردند. این ویژگی سلول‌های سرطانی می‌تواند برای بیماران مبتلا به سرطان پوست به معنی مرگ یا زندگی باشد. سپس محققان برای شناسایی اینکه کدام ویژگی‌‌ها در این تصاویر مسئول تفاوت‌‌ها هستند، از روش مهندسی معکوس استفاده کردند.

با استفاده از نمونه‌‌های تومور هفت بیمار و اطلاعات موجود در مورد پیشرفت بیماری آن‌ها، از جمله متاستاز، محققان از حدود 12000 سلول تصادفی که در ظروف پتری زندگی می‌کردند، فیلم گرفته و حدود 1 میلیون و 700 هزار تصویر خام تولید کردند. سپس محققان با استفاده از یک الگوریتم هوش مصنوعی 56 ویژگی عددی انتزاعی مختلف را از این تصاویر بیرون کشیدند.

دکتر دانوسر و همکارانش در این حین ویژگی را پیدا کردند که قادر بود بین سلول‌های دارای پتانسیل متاستاز سرطان پوست بالا و پایین تمایز دقیق قائل شود. آن‌ها با دستکاری این ویژگی عددی انتزاعی تصاویر مصنوعی تولید کردند که ویژگی‌‌های قابل‌رویت ذاتی متاستاز را که چشم انسان قادر به تشخیص آن ها نیست، برجسته می‌کند. سلول‌های مستعد متاستاز زوائد کاذب ‌بیشتری دارند که نوعی برآمدگی انگشت‌مانند است و نور در بدن آن‌ها پراکنده‌تر است که ممکن است به دلیل تغییر محل قرارگیری ‌‌اندامک‌های سلولی باشد.

اثبات کاربرد ابزار هوش مصنوعی

برای اثبات بیشتر کاربرد این ابزار، محققان ابتدا پتانسیل متاستاز سلول‌های ملانوم انسانی که به مدت 30 سال منجمد شده و در ظروف پتری کشت شده بودند را طبقه بندی کردند و سپس آن‌ها را در بدن موش‌‌ها قرار دادند. سلول‌های سرطانی که ‌‌پیش‌بینی می‌شد تومور‌های به شدت مستعد متاستاز باشند به آسانی در سرتاسر بدن حیوانات پخش می‌شدند و سلول‌هایی که ‌‌پیش‌بینی می‌شد پتانسیل متاستاز کمی‌ داشته باشند یا کم ‌پخش شوند یا اصلاً پخش نشدند.

دکتر دانوسر، استاد زیست شناسی سلولی در UT Southwestern، خاطرنشان کرد که این روش قبل از اینکه به بخشی از مراقبت‌‌های بالینی تبدیل شود، نیاز به مطالعه بیشتری دارد. وی افزود، در نهایت، ممکن است بتوان از هوش مصنوعی برای تشخیص ویژگی‌های مهم سرطان‌ها و سایر بیماری‌ها استفاده کرد.

جدیدترین اخبار هوش مصنوعی ایران و جهان را با هوشیو دنبال کنید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
لطفاً برای تکمیل این فرم، جاوا اسکریپت را در مرورگر خود فعال کنید.