سه‌شنبه ۱۳ تیر ۱۳۹۶ - ۱۵:۲۳

جنگ با سرطان ریه به کمک هوش مصنوعی

سرطان ریه

سلامت آنلاین- بتازگی محققان یک نوع روش کامپیوتری را ابداع کرده‌اند که بر اساس شبکه‌های عصبی مصنوعی می‌تواند بروز سرطان ریه را تشخیص دهد. این سرطان یکی از کشنده‌ترین سرطان‌هاست که برخلاف اکثر سرطان‌ها، پیشرفت‌ها در زمینه درمان و بهبود آن به کندی صورت می‌گیرد.



به گزارش سلامت آنلاین، ساینس نیوزلاین نوشت: معمولا نرخ زنده‌ ماندن پنج ساله برای بیماران مبتلا به سرطان ریه فقط ۱۶ درصد است و در صورتی که این بیماری در مراحل اولیه تشخیص داده شود به ۵۲ درصد افزایش می‌یابد. با این حال اگر سرطان پیشرفت کند این نرخ به ۴ درصد کاهش می‌یابد. بنابراین تشخیص سرطان در مراحل اولیه برای حفظ زندگی بیمار امری ضروری است.
به تازگی محققان دانشگاه بیهانگ روش کامپیوتری را بر اساس شبکه‌های عصبی مصنوعی طراحی کرده‌اند که می‌تواند به تشخیص سرطان کمک کند. نتایج این مطالعه به زودی در هفتمین شماره  SCIENCE CHINA به چاپ می‌رسد.
توموگرافی کامیپوتری (CT) در بیماران بالینی می‌تواند جزئیات دقیقی از ندول‌های ریوی و ساختارهای اطراف آن فراهم و به عنوان استاندارد طلایی برای تشخیص بیماری عمل کند. با این حال حساسیت بالای تصویربرداری CT باعث می‌شود داده‌ها بسیار بزرگ و با پیچیدگی‌های مبهم همراه باشند و در نتیجه تشخیص ساختارهای پاتولوژیکی از موارد سالم برای رادیولوژیست‌ها دشوار باشد.
در سال‌های اخیر سیستم تشخیص به کمک کامپیوتر (CADe) به سرعت توسعه پیدا کرده و پتانسیل بالایی در کمک به تشخیص بیماری‌ها از خود نشان داده است. تشخیص ندول‌های ریوی راهنمای خوبی برای تشخیص و درمان سرطان ریه است با این وجود به دلیل ظاهر متفاوت این ندول‌ها، اختلاف اندک بین ندول‌ها و ساختارهای سالم و همچین تاثیر رگ‌ها و دیگر بافت‌های اطراف ندول‌ها، شناسایی آن‌ها به سختی ممکن است.
در این مطالعه شبکه عصبی مصنوعی بر اساس روش استخراج ندول‌های ریه از قفسه سینه CTs ارائه شده است. این روش با روش‌های قدیمی کاملا متفاوت است. محققان در این روش بر روی فضای سه‌بعدی کار می‌کنند که به جای بررسی لایه به لایه تنها از وکسل‌ها استفاده می‌کند.
این روش به سادگی می‌تواند با سیستم‌های CADe موجود تلفیق شود و جریان اطلاعات را با روش‌های جدید و با سرعت بیشتر پردازش کند. این روش در عین حال بر اساس خصوصیات هندسی و آماری از روش متفاوتی برای تشخیص بیماری استفاده می‌کند. در این روش از نواحی واضح و دقیق استفاده و ساختارهای مبهم حذف می‌شود که به همین دلیل دقت آن افزایش می‌یابد. (ایسنا)