در یک مطالعه جامع منتشر شده در مجله Radiology، الگوریتمهای هوش مصنوعی عملکرد برتری نسبت به مدل بالینی استاندارد در پیشبینی ریسک خطر پنج ساله در سرطان سینه نشان دادند.
الگوریتمهای هوش مصنوعی در یک مطالعه در مقیاس بزرگ از مدلهای بالینی سنتی بهتر عمل کردند و خطر ابتلا به سرطان پستان را در طول پنج ساله آتی با دقت بیشتری پیشبینی کردند. این مدلها از ماموگرافی بهعنوان منبع داده واحد استفاده میکنند. همچنین مزایای بالقوهای را در فردی کردن مراقبت از بیمار و افزایش کارایی پیشبینی ارائه میدهد.
در یک مطالعه بزرگ بر روی هزاران ماموگرافی، الگوریتمهای هوش مصنوعی (AI) از مدل ریسک بالینی استاندارد برای پیشبینی خطر ابتلا به سرطان پستان در طول پنج سال، عملکرد بهتری داشتند. نتایج این مطالعه در Radiology، مجله انجمن رادیولوژی آمریکای شمالی (RSNA) منتشر شد.
خطر ابتلا به سرطان سینه در زنان معمولاً با استفاده از مدلهای بالینی مانند مدل خطر کنسرسیوم نظارت بر سرطان پستان (BCSC) محاسبه میشود. این مدل از اطلاعات خود گزارش داده و سایر اطلاعات مربوط به بیمار – از جمله سن، سابقه خانوادگی بیماری، و اینکه آیا بیمار بچه به دنیا آورده است یا خیر، آیا او سینههای متراکم دارد، را برای محاسبه ریسک خطر استفاده میکند.
مدلهای خطر به جمعآوری اطلاعات از منابع مختلف بستگی دارد، که همیشه در دسترس نیستند یا جمعآوری نشده است. پیشرفتهای اخیر در هوش مصنوعی توانایی استخراج صدها تا هزاران ویژگی دیگر از ماموگرافی را به ما میدهد.
![ماموگرافی](https://www.geniranlab.ir/wp-content/uploads/2024/06/%D9%85%D8%A7%D9%85%D9%88%DA%AF%D8%B1%D8%A7%D9%81%DB%8C.jpg)
در مطالعهای گذشتهنگر، دکتر Arasu از دادههای مرتبط با ماموگرافیهای دو بعدی غربالگری با نتیجه منفی (که شواهد قابل مشاهدهای از سرطان را نشان نمیدهد) در Kaiser Permanente شمالی کالیفرنیا در سال 2016 استفاده کرد. از 324009 زن غربالگری شده در سال 2016 معیارهای واجد شرایط بودن را داشتند، همچنین یک گروه فرعی تصادفی بود. از 13628 زن برای تجزیه و تحلیل انتخاب شدند. علاوه بر این، تمام 4584 بیمار واجد شرایط، که طی پنج سال پس از ماموگرافی اولیه در 2016 به سرطان مبتلا شده بودند نیز مورد مطالعه قرار گرفتند. همه زنان تا سال 2021 مورد مطالعه قرار گرفتند.
دکتر Arasu گفت: “ما افراد را از کسانی که در سال 2016 ماموگرافی غربالگری انجام دادند، انتخاب کردیم. بنابراین جمعیت مورد مطالعه ما نماینده جوامع در کالیفرنیای شمالی است.”
محققان مطالعه پنج ساله را به سه دوره زمانی تقسیم کردند: خطر ابتلا به سرطانهای اتفاقی که بین 0 تا 1 سال تشخیص داده شدند. خطر ابتلا به سرطان که بین یک تا پنج سال تشخیص داده میشوند. و خطر ابتلا به سرطان که بین 0 تا 5 سال تشخیص داده شده بود.
با استفاده از ماموگرافی غربالگری 2016، نمرات خطر ابتلا به سرطان سینه در طول دوره پنج ساله توسط پنج الگوریتم هوش مصنوعی، شامل دو الگوریتم آکادمیک مورد استفاده توسط محققان و سه الگوریتم تجاری موجود، ایجاد شد. سپس نمرات خطر با یکدیگر و با امتیاز خطر بالینی BCSC مقایسه شد.
دکتر Arasu گفت: هر پنج الگوریتم هوش مصنوعی بهتر از مدل خطر BCSC برای پیشبینی خطر سرطان سینه در 0 تا 5 سال عمل کردند. این عملکرد یک پیشبینیکننده قوی در طول دوره پنج ساله را نشان میدهد. هوش مصنوعی هم سرطانهای از دست رفته و هم ویژگیهای بافت سینه را شناسایی میکند که به پیشبینی توسعه سرطان در آینده کمک میکند. چیزی در ماموگرافی به ما امکان میدهد خطر سرطان سینه را ردیابی کنیم. این جعبه سیاه هوش مصنوعی است.»
«[AI] ابزاری است که میتواند به ما کمک کند تا پزشکی دقیق را در سطح ملی ارائه کنیم.» – Vignesh A. Arasu، M.D., Ph.D.
برخی از الگوریتمهای هوش مصنوعی در پیشبینی بیمارانی که در معرض خطر بالای سرطان دورهای هستند. اینها اغلب تهاجمی هستند و ممکن است نیاز به مطالعه دوم ماموگرافی، غربالگری تکمیلی یا تصویربرداری پی در پی بهصورت کوتاه مدت داشته باشد. هنگام ارزیابی زنان با خطر ابتلای بالای 10 درصد، هوش مصنوعی تا 28 درصد از سرطانها را در مقایسه با 21 درصد پیش بینی شده توسط BCSC پیشبینی کرد.
![ماموگرافی نرمال و سرطانی](https://www.geniranlab.ir/wp-content/uploads/2024/06/mamography.png)
حتی الگوریتمهای هوش مصنوعی که برای بازههای زمانی کوتاه (تا 3 ماه) آموزش داده شده بودند، میتوانستند خطر ابتلا به سرطان در آینده را تا پنج سال پیشبینی کنند. این زمانی بود که هیچ سرطانی با غربالگری ماموگرافی تشخیص داده نشد. در صورت استفاده ترکیبی، مدلهای خطر هوش مصنوعی و BCSC پیشبینی سرطان را بهتر انجام دادند.
دکتر Arasu گفت: “ما به دنبال ابزاری دقیق، کارآمد و مقیاسپذیر برای درک خطر ابتلا به سرطان سینه در زنان هستیم.” مدلهای خطر هوش مصنوعی مبتنی بر ماموگرافی مزایای عملی را نسبت به مدلهای بالینی سنتی ارائه میکنند، زیرا از یک منبع داده استفاده میکنند: خود ماموگرافی.
دکتر Arasu گفت که برخی از موسسات در حال حاضر از هوش مصنوعی برای کمک به رادیولوژیستها برای تشخیص سرطان در ماموگرافی استفاده میکنند. امتیاز خطر ابتلای فرد در آینده، چند ثانیه طول میکشد تا توسط هوش مصنوعی ایجاد شود. این میتواند در گزارش رادیولوژی به اشتراک گذاشته شده با بیمار و پزشکش ارائه شود.
او گفت: «هوش مصنوعی برای پیشبینی خطر سرطان این فرصت را به ما میدهد تا مراقبتهای هر زن را فردی کنیم، که به طور سیستماتیک در دسترس نیست. “این ابزاری است که میتواند به ما کمک کند تا پزشکی شخصی و دقیق را در سطح ملی ارائه کنیم.”
همچنین بخوانید:
- سرطان سینه (breast cancer)
- سرطان سینه در مردان (Breast Cancer in Men) چیست؟
- هوش مصنوعی میتواند در زمینه آموزشهای مربوط به سرطان سینه به دانشجویان کمک کند
مترجم: شقایق مرتاضی