تشخیص و ناحیه بندی تومور مغزی با هوش مصنوعی

تشخیص و ناحیه بندی تومور مغزی:

مغز انسان از ۱۰۰ میلیارد سلول که نورون نام دارد و تریلیون‌ها سلول پشتیبان به نام گلیا تشکیل شده است. گاهی، در طول چرخه زندگی این سلول‌ها، همه چیز ممکن است اشتباه پیش برود، تغییرات در DNA فرد به عنوان جهش شناخته می‌شود، می‌تواند باعث رشد سلول‌های غیرطبیعی شود. زمانی که سلول‌های غیرطبیعی به شکل غیر قابل کنترل تقسیم می‌شوند و سپس با هم جمع می‌شوند، یک تومور تشکیل می‌شود. تومور در مغز می‌تواند خوش‌خیم (غیرسرطانی) یا بدخیم (سرطانی) باشد. اکثر سرطان‌های مغز از نوع متاستاتیک هستند(یعنی از جای دیگری در بدن شروع می‌شوند و در نهایت به مغز انتشار می‌یابند)، اما برخی از سرطان‌ها اولیه هستند(یعنی منشا آنها در مغز است). البته لازم به ذکر است که در برخی از موارد ارثی هستند، اما مشخص نیست که پشت اکثر سرطان‌های اولیه مغز چیست. شواهد نشان می دهد که افزایش سن و قرار گرفتن در معرض پرتوهای یونیزان که در برخی از درمان‌های سرطان استفاده می‌شود، از عوامل خطر هستند. بررسی عوامل دیگر، مانند رژیم غذایی و استفاده از تلفن همراه، بی‌نتیجه بوده است. درمان می‌تواند شامل جراحی تومور مغزی، پرتودرمانی و شیمی درمانی یا ترکیبی از این گزینه‌ها باشد. امکان تشخیص تومور مغزی با استفاده از تست های تصویربرداری و مشاهده ساختار مغز، به همراه بیوپسی و بررسی دقیق نمونه مشکوک به تومور مغزی زیر میکروسکوپ، وجود دارد. در کل، قبل از انجام این قبیل تست ها، معاینات فیزیکی انجام می شود تا هر گونه تغییر نورولوژیک ناشی از وجود تومور مغزی مشخص گردد. در نهایت، راه های تشخیص تومور مغزی عبارت است از: MRI، سی تی اسکن، آزمایش خون، پونکسیون کمری و بیوپسی. انواع مختلفی تومور مغزی وجود دارد و برخی از آن ها سرطان هستند، که به سرعت رشد می کنند و بافت های اطراف را هدف قرار می دهند. در حالی که برخی دیگر این گونه نیستند. این تست های تشخیصی، پزشک را در تشخیص تومور مغزی و هم چنین نوع تومور یاری می رسانند.

وظیفه تشخیص مکان‌ و گسترش تومور بر عهده‌ی پردازش تصویر تومور مغزی است که از طریق جدا کردن تومور در تصویر صورت می‌گیرد. قطعه‌بندی ساختار آناتومی یک کار چالش برانگیز است. متغیر بودن ساختار تومور، استفاده از دانش قبلی را که هندسه‌ی تومور را محدود به اشکالی می‌کند که قبلا دیده شده‌اند، دشوار می‌کند. به طور خاص، از آنجایی که تومور شکلی نامعلوم دارد، مانند تومورهای بافت نرم، قطعه‌بندی اتوماتیک تصویر و تشخیص تومور را به چالش می‌کشد و در اغلب موارد نیازمند نظارت انسان برای قطعه‌بندی صحیح تصویر است. قطعه‌بندی سه‌بعدی تومور مغزی کاربرد مهمی در تخمین اندازه و گسترش تومور دارد. مرحله‌ی اول در قطعه‌بندی ایجاد یک نقشه‌ی احتمالاتی از مکان تومور است. با استفاده از این نقشه و ترکیب آن با روش‌های پردازش تصویر کلاسیک می‌توانیم مکان تومر را تشخیص دهیم.

تشخیص و ناحیه بندی تومور مغزی با هوش مصنوعی:

 با توجه به این موارد، لزوم یک سیستم تشخیصی هوشمند بر پایه بینایی کامپیوتر می‌تواند به نرولوژیست‌ها و سایر پزشکان مغز و اعصاب در تشخیص صحیح کمک شایانی کند. استفاده از سیستم‌های تشخیص پزشکی هوشمند در تشخیص بیماری‌های مغزی، به عنوان دستیاری در کنار پزشکان و رادیولوژیست‌ها علاوه بر کمک شایان به آن‌ها، راه را برای شناسایی دقیق و عاری از خطا برای شناسایی و تفکیک این بیماری‌ها از سایر بیماری‌های مشابه، هموار می‌کند. در سال‌های اخیر استفاده از سیستم‌های تشخیصی مبتنی بر یادگیری عمق به دلیل کارایی بالای آن بسیار مورد استفاده قرار گرفته است و تحقیقات زیادی در این زمینه در حال انجام است.

مطالعه اخیر محققان دانشگاه «یورک»، حاکی از آن است که یک تکنیک خلاقانه مبتنی بر هوش مصنوعی(AI) که آنها توسعه داده‌اند در پیش‌بینی تاثیر روش‌های درمانی در بیماران مبتلا به متاستاز مغزی به طور قابل‌توجهی مؤثرتر از چشم انسان است. مطالعات قبلی نشان داده‌اند که با استفاده از روش‌های استاندارد مانند تصویربرداری ام.آر.آی، ارزیابی اندازه، محل و تعداد متاستازهای مغزی و همچنین نوع سرطان اولیه و وضعیت بیمار، انکولوژیست‌ها قادر به پیش‌بینی شکست درمان در حدود ۶۵ درصد مواقع هستند. محققان چندین مدل هوش مصنوعی را ایجاد و آزمایش کردند و بهترین مدل آنها دقت ۸۳ درصدی داشت.