آزمایش CompCyst : کاهش جراحی های غیر ضروری پانکراس با یادگیری ماشین

متخصصان پیش‌بینی می‌کنند الگوریتم‌های یادگیری ماشین (Machine learning) که اطلاعات ساختار مولکولی شامل جهش‌های دی‌ان‌ای و تغییرات کروموزومی را با اطلاعات آزمایش‌های بالینی پزشکی ترکیب می‌کنند موج جدیدی از تحول حوزه‌ی پزشکی را رقم خواهند زد. وجود کیست در پانکراس، سالیانه برای ۸۰۰ هزار نفر در کشور آمریکا تشخیص داده می‌شود. هنوز هیچ روش قابل اعتمادی وجود ندارد که مشخص کند کدام یک از کیست‌ها بدخیم هستند و کدام خوش‌خیم. این ابهام باعث هزاران عمل جراحی غیرضروری می‌شود. آزمایش CompCyst با به کارگیری الگوریتم‌های یادگیری ماشین و هوش مصنوعی می‌تواند ۶۰ تا ۷۴ درصد جراحی‌های غیرضروری را تشخیص دهد. برای آشنایی با کاربرد هوش مصنوعی و یادگیری ماشین در حوزه‌ی پزشکی با مجله‌ی فناوری‌های توان‌افزا و پوشیدنی همراه باشید.
آزمایش CompCyst  : کاهش ۶۰ درصدی جراحی های غیر ضروری با الگوریتم های یادگیری ماشین

تصور کنید شخصی به مطب پزشک مراجعه می‌کند تا از کیسه صفرای او تصویربرداری سی‌تی اسکن انجام شود. پزشک با مشاهده‌ی نتیجه‌ی سی‌تی‌اسکن تشخیص می‌دهد که کیسه‌ی صفرا مشکلی ندارد اما یک کیست در لوزالمعده شخص وجود دارد. پزشک تصمیم می‌گیرد برای جلوگیری از تبدیل کیست به توده‌ی سرطانی، توده را از لوزالمعده بیمار خارج کند. اگر جراحی انجام شود، دوره‌ی نقاهت و بازیابی تدریجی سلامت بیمار حدود ۳ ماه طول می‌کشد. پزشک، احتمال عوارض پس از جراحی را ۵۰ درصد و احتمال مرگ در طول جراحی را ۵ درصد پیش‌بینی می‌کند.

آزمایش CompCyst و تشخیص توده‌های خوش‌خیم و بدخیم پانکراس

تنها در کشور آمریکا، سالیانه برای ۸۰۰ هزار نفر، وجود کیست در پانکراس تشخیص داده می‌شود. هنوز هیچ روش قابل اعتمادی وجود ندارد که مشخص کند کدام یک از کیست‌ها بدخیم هستند و ممکن است سرطانی شوند و کدام خوش‌خیم هستند و نیازی به جراحی ندارند. این ابهام باعث هزاران عمل جراحی غیرضروری می‌شود. آمارها نشان می‌دهد ۷۸ درصد کیست‌های پانکراس جراحی شده غیرسرطانی هستند. الگوریتم‌های یادگیری ماشین در راستای کاهش جراحی‌های غیرضروری به کمک پزشکان آمده‌اند.

جراحان با همکاری پژوهشگران علوم رایانه دانشگاه جانز هاپکینز (Johns Hopkins University) آمریکا، یک آزمایش برای تجزیه و تحلیل جامع کیست‌های تشخیص داده شده طراحی کردند. این آزمایش CompCyst نام گرفته است. آزمایش CompCyst در مقایسه با معاینه‌های پزشکان و تصویربرداری پزشکی عملکرد بهتری دارد. با کمک آزمایش CompCyst می‌توان گفت کدام یک از مراجعان دارای کیست پانکراس باید جراحی شوند و کدام یک بدون جراحی تنها تحت نظارت قرار بگیرند و یا بدون نگرانی به خانه فرستاده شوند. نتایج تحقیقات جراحان و متخصصان علوم رایانه در مجله‌ی علمی کاربردی‌سازی علوم پزشکی (Translational Medicine) منتشر شده است.

Anne Marie Lennon استاد دانشکده پزشکی دانشگاه جانز هاپکینز و نویسنده ارشد مقاله و مدیر برنامه کیست پانکراس مرکز سرطان Kimmel، ابراز امیدواری کرد که آزمایش CompCyst در طول مدت ۶ تا ۱۲ ماه بر بیماران بیمارستان جانز هاپکینز اجرا خواهد شد. همچنین در آینده، این آزمایش به صورت تجاری در اختیار مراکز پزشکی و بیمارستان‌ها قرار خواهد گرفت تا با کارآزمایی بالینی در ابعاد بزرگتر به بهبود هرچه بیشتر آزمایش CompCyst کمک شود.

Christopher Wolfgang یکی از نویسندگان مقاله و مدیر بخش جراحی انکولوژی مرکز سرطان Kimmel بیان می‌کند بسیاری از کیست‌های پانکراس خوش‌خیم هستند اما هم‌اکنون به دلیل نبود روش مطمئن و قابل اعتماد، پزشکان تمایل دارند برای جلوگیری از سرطان، بیماران دارای کیست‌ را تحت نظارت و آزمایش قرار دهند. پزشکان باید صدها هزار بیمار دارای کیست را با آزمایش‌های گران‌قیمت و در برخی موارد روش‌های تهاجمی مورد بررسی و نظارت قرار دهند تا بتوانند بیماران با کیست‌های بدخیم را تشخیص دهند. طی روند تشخیص کیست‌های خوش‌خیم وبدخیم، بیماران در معرض تابش اشعه ایکس قرار می‌گیرند که خود عوارض بسیاری دارد. از سوی دیگر، نگرانی‌های بی‌مورد برای بیماران ایجاد می‌شود.

الگوریتم‌های یادگیری ماشین به کمک پزشکان می‌آیند

Lennon و Wolfgang و دیگر پژوهشگران با طراحی آزمایش CompCyst امیدوارند بتوانند بدون انجام آزمایش‌های گران‌قیمت و تهاجمی بر همه بیماران دارای کیست پانکراس، کیست خوش‌خیم و بدخیم را تشخیص دهند. در این راستا، پژوهشگران اطلاعات صدها بیمار بیمارستان جانز هاپکینز و پانزده مرکز پزشکی دیگر را جمع‌آوری کردند. بیماران مورد مطالعه دارای کیست پانکراس بودند و تحت عمل جراحی قرار گرفته بودند. پس از عمل جراحی، اطلاعات بیماران با توجه به نوع کیست طبقه‌بندی شد. طبقه‌بندی شامل کیست بدون خطر، کیست کم‌خطر و کیست پرخطر بود.

گروه پژوهشی آزمایش CompCyst از الگوریتم یادگیری ماشین با نام MOCA استفاده کردند.آن‌ها داده‌های ساختار مولکولی شامل جهش‌های دی‌ان‌ای و تغییرات کروموزومی را با آزمایش‌های بالینی شامل اطلاعات پروتئینی مایع داخل کیست و اطلاعات سی‌تی‌اسکن ترکیب کردند. الگوریتم با اطلاعات ۴۳۶ بیمار آموزش دید. سپس الگوریتم اطلاعات ۴۲۶ بیمار را طبقه‌بندی کرد. الگوریتم میلیون‌ها ترکیب اطلاعات و همه احتمالات را درنظر می‌گیرد تا بهترین تشخیص را بدهد.
آزمایش CompCyst  : کاهش جراحی های غیر ضروری پانکراس با الگوریتم های یادگیری ماشین
CompCyst توانست ۶۰ درصد از بیمارانی که دارای کیست بی‌خطر بودند را به درستی تشخیص دهد. این درحالی است که با معاینات بالینی پزشکان و تصویربرداری سی‌تی‌اسکن تنها ۱۹ درصد از بیماران دارای کیست بی‌خطر به درستی شناسایی شدند. همچنین CompCyst توانست ۴۹ درصد از بیماران دارای کیست کم‌خطر که باید تنها تحت مراقبت قرار می‌گرفتند را به درستی تشخیص دهد. این آمار برای روش معاینات پزشکی ۳۹ درصد بود. همچنین کیست‌های پرخطر که باید مورد جراحی قرار می‌گرفتند توسط الگوریتم ۹۱ درصد و توسط پزشکان ۸۹ درصد به درستی تشخیص داده شد. به طور کلی آزمایش CompCyst می‌تواند ۶۰ تا ۷۴ درصد جراحی‌های غیرضروری را تشخیص دهد. تعدادی از پژوهشگران آزمایش CompCyst شرکتی به نام Thrive Earlier Detection را راه‌اندازی کردند. این شرکت دارای مجوز برای تجاری‌سازی آزمایش CompCyst است.


بیشتر بخوانیم:

این دستگاه پوشیدنی سلول های سرطانی را از خون جدا میکند

توسعه رباتیک به نابودی مشاغل منجر می شود یا خلق فرصت های جدید شغلی ؟

هوش مصنوعی در کدام بخش های حوزه پزشکی و مراقبت بهداشتی کاربرد دارد؟


منبع: spectrum.ieee

«استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوری‌های توان‌افزا و پوشیدنی) مجاز است»

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *