11 فوریه 2023 -تیم تحقیقاتی – کلینیک جمیل MIT
محققان MIT (موسسه فناوری ماساچوست) یک مدل یادگیری عمیق هوش مصنوعی جدید توسعه داده اند که می تواند خطر ابتلا به سرطان ریه را تا شش سال قبل از طریق یک سی تی اسکن با دوز پایین پیش بینی کند.سرطان ریه کشنده ترین سرطان در جهان است که منجر به مرگ و میر بیشتر از مجموع سه سرطان بعدی می شود. همچنین تشخیص زودهنگام بیماری با مشاهده اسکن برای انسان بسیار دشوار است.
مدل‌های فعلی پیش‌بینی سرطان ریه به ترکیبی از اطلاعات جمعیت‌شناختی، عوامل خطر بالینی و رادیولوژیک نیاز دارند، در حالی که مدلی به نام «Sybil» برای استفاده از یک اسکن با دوز پایین قفسه سینه برای پیش‌بینی خطر ابتلا به سرطان‌های ریه که 1 تا 6 سال پس از آن رخ می‌دهند طراحی شده است. یک غربالگری
پیتر میخائیل، نویسنده اول و دانشجوی دکترا در MIT، فرآیند کلی غربالگری سرطان ریه را به “تلاش برای یافتن سوزن در انبار کاه” تشبیه کرد.
با این حال، با کار با مجموعه‌ای از اسکن‌های متنوع از دو بیمارستان و کارآزمایی ملی غربالگری سرطان ریه، این مطالعه نشان داد که سیبیل قادر به پیش‌بینی خطر سرطان ریه کوتاه‌مدت و بلندمدت بود و نمرات شاخص C را از 0.75 تا 0.80 به دست آورد. . مقادیر بالای 0.8 نشان دهنده یک مدل قوی است.
هنگام پیش‌بینی خطر سرطان از یک سال قبل، این مدل حتی موفق‌تر بود: آنها بین 0.86 تا 0.94 را در منحنی احتمال ROC-AUC به دست آوردند .برای مقادیر AUC عالی در نظر گرفته شد و 1.00 بالاترین امتیاز ممکن است.
داده‌های تصویربرداری مورد استفاده برای آموزش Sybil تا حد زیادی فاقد هرگونه نشانه‌ای از سرطان بودند، زیرا سرطان ریه در مراحل اولیه بخش‌های کوچکی از ریه را اشغال می‌کند – فقط کسری از صدها هزار پیکسل که هر سی‌تی اسکن را تشکیل می‌دهند.
بخش‌های متراکم‌تر بافت ریه که به نام ندول‌های ریه شناخته می‌شوند، پتانسیل سرطانی شدن را دارند، اما بیشتر آنها اینطور نیستند و در عوض، عفونت‌های بهبود یافته یا محرک‌های هوا هستند.
جرمی وولوند، یکی از نویسندگان این مقاله، با وجود عدم وجود سرطان قابل مشاهده، از اینکه سیبیل چه امتیاز بالایی کسب کرد، شگفت زده شد.
ما متوجه شدیم که در حالی که ما به عنوان انسان نمی‌توانیم دقیقاً ببینیم که سرطان کجاست، این مدل همچنان می‌تواند قدرت پیش‌بینی در مورد اینکه کدام ریه در نهایت به سرطان مبتلا می‌شود، داشته باشد.»
پروفسور رجینا بارزیلای تیم تحقیقاتی را در کلینیک جمیل در MIT با همکاری مرکز سرطان عمومی و بیمارستان یادبود چانگ گونگ در تایوان رهبری کرد که این مطالعه را در مجله انکولوژی بالینی منتشر کرد.
هدف این مدل این است که جامعه تحقیقاتی را یک قدم به سیستم‌های قدیمی در صنعت مراقبت‌های بهداشتی نزدیک‌تر کند و به درمان بهتر بیماران فعلی و آینده کمک کند.
