کشف علائم و مواد شیمیایی سرطان سینه به کمک هوش مصنوعی
تیم تحریریه- ۲۴ شهریور ۱۴۰۰
دانشمندان دانشگاه کیس وسترن رزرو از هوش مصنوعی (AI) استفاده کردند تا بتوانند نشانگرهای زیستی یا مواد شیمیایی را پیدا کنند که مربوط به سرطان سینه هستند و می‌توانند درباره احتمال عود کردن مجدد سرطان به ما اطلاع بدهند و می‌توان با استفاده از آنها نمونه‌های بایوپسی بافتی سرطان سینه را در مراحل اولیه شناسایی کرد.
عامل کلیدی در برآورد اولیه، کلاژن است. کلاژن یک پروتئین معمولی است که در سرتاسر بدن، از جمله در بافت سینه یافت می‌شود. تحقیقات قبلی نشان داده بود که شبکه کلاژن یا ترتیب فیبرها به شدت با تهاجمی بودن سرطان سینه ارتباط دارد. اما محققان Case Western Reserve با استفاده از بایوپسی بافت و AI نقش مهم کلاژن را کاملاً اثبات کردند.
استفاده از فناوری یادگیری ماشین
محققان با استفاده از فناوری یادگیری ماشین دیتاستی حاوی نمونه‌های دیجیتالی از بافت بیماران مبتلا به سرطان سینه را تجزیه و تحلیل کردند و توانستند ثابت کنند که آرایش منظم کلاژن یک نشانه زیستی کلیدی برای تشخیص یک تومور تهاجمی است که احتمال عود مجدد نیز دارد.
همچنین نشان دادند که اگر زیرساخت کلاژن نامنظم یا از هم‌گسیخته باشد نه تنها نتیجه درمان بهتر خواهد بود، بلکه در واقع باعث بهبود نیز می‌شود. آنها همچنین دریافتند که شبکه کلاژن نامنظم از جابه‌جایی تومور تهاجمی به خارج از بافت پستان جلوگیری می‌کند و مانع از بازگشت و عود مجدد آن پس از درمان‌های مختلف سرطان مانند شیمی‌درمانی نیز می‌شود.
آنانت مادابوشی، استاد مهندسی زیست پزشکی موسسه دانل در کیس وسترن رزرو و رئیس مرکز تصویربرداری محاسباتی و تشخیص‌های ویژه (CCIPD) می‌گوید: «به نظر می‌رسد این کار غیرقابل تصور است، اما فیبرهای کلاژن در حرکت تومور در بدن نقش دارند. یکی از راههای درک آن این است که کلاژن را بزرگراهی در نظر بگیریم که وضعیت بدی دارد، به این ترتیب جابه‌جایی برای تومور دشوارتر خواهد شد، اما اگر بزرگراه صاف و مسطح باشد، حرکت تومور تسریع خواهد شد.»
اسلایدهای ساده بافت، محاسبات پیچیده
هاوجیا لی که هدایت این طرح پژوهشی را بر عهده دارد، دو دلیل برای اهمیت آن برشمرد:
- این پروژه یافته‌های سایر تحقیقات منتشر شده که می‌گفتند کلاژن ساختاریافته باعث منفی شدن پیش‌بینی‌ها درباره روند بیماری می‌شود را تایید می‌کند،
- تصاویر دیجیتالی اسلایدهای ساده بافتی گرفته شده در این پروژه نشان می‌دهد که این روش می‌تواند بخشی از فرایند آسیب‌شناسی شود.
درمان تهاجمی سرطان
درحال‌حاضر برای بررسی معماری کلاژن به یک میکروسکوپ الکترونی گران‌قیمت و کمیاب نیاز داریم. لی می‌گوید: «روش ما می‌تواند پیش‌بینی نتایج را برای پزشکان و در بیمارستان‌هایی که توانایی تهیه میکروسکوپ تصویربرداری پیشرفته را ندارند، تسهیل کند. به همین دلیل بسیار هیجان‌انگیز است، زیرا این پروژه می‌تواند به پزشک اطلاعات لازم برای درمان تهاجمی سرطان را بدهد.»
محاسبات این پروژه در سال 2020 روی دیتاستی از نمونه‌های معمول بافتی که با نام H&E (هماتوکسیلین و ائوزین) شناخته می‌شود، انجام شد. اسلایدهای بافتی در این دیتاست از بیماران مبتلا به سرطان سینه گرفته شده که در مراحل اولیه گیرنده استروژن مثبت (ER+) داشته‌اند.
به گفته لی، سرطان سینه دومین علت اصلی مرگ و میر ناشی از سرطان در بین زنان در ایالات متحده است که تقریباً 80 درصد از این سرطان‌ها ER+ و 64 درصد آنها در مراحل اولیه هستند.
سرطانمادابوشی گفت به دلیل آن که مدل‌های طراحی شده توسط تیمش بر روی دیتاستی کامل و جامع و حاوی داده‌های بالینی آزمون شده است، شواهد مطمئن‌تری در رابطه با اثر کلاژن ارائه می‌دهد.
مادابوشی CCIPD را در Case Western Reserve در سال 2012 تأسیس کرد. این آزمایشگاه در حال حاضر بیش از 70 محقق دارد و در شناسایی، تشخیص و درمان سرطان با هوش مصنوعی پیشرو است.
این آزمایشگاه اخیراً پروژه‌ای با همکاری دانشگاه نیویورک و دانشگاه ییل انجام داده که در آن با کمک هوش مصنوعی پیش‌بینی می‌شود که بر اساس تصاویر اسلاید بافت کدام بیماران مبتلا به سرطان ریه از شیمی‌درمانی کمکی نفع خواهند برد. این کشف جدید توسط مجله Prevention به عنوان یکی از 10 پیشرفت پزشکی برتر سال 2018 نامگذاری شد.
انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید
