به گزارش خبرنگار حوزه فناوری گروه علمی پزشکی باشگاه خبرنگاران جوان به نقل از مدیکال نت، وجود سرطان سیستم لنفاوی اغلب با تجزیه و تحلیل نمونه‌های خون یا مغز استخوان مشخص می‌شود. تیمی به رهبری پروفسور دکتر پیتر کراویتز از دانشگاه بن آلمان در سال ۲۰۲۰ نشان داده بود هوش مصنوعی می‌تواند در تشخیص چنین لنفوم‌ها و لوسمی‌ها کمک کند.

این فناوری به طور کامل از پتانسیل همه مقادیر اندازه گیری استفاده می‌کند و سرعت و عینیت تجزیه و تحلیل را در مقایسه با فرآیند‌های تعیین شده افزایش می‌دهد. این روش اکنون بیشتر توسعه یافته است تا آزمایشگاه‌های کوچکتر نیز بتوانند از این روش یادگیری ماشینی با دسترسی آزاد بهره‌مند شوند که یک گام مهم در جهت عمل بالینی است. این مطالعه اکنون در مجله «Patterns» منتشر شده است.

هنگامی که گره‌های لنفاوی متورم می‌شوند با علائمی مانند کاهش وزن، خستگی، تب و عفونت بروز می‌کنند، این‌ها علائم معمول لنفوم‌های بدخیم سلول B و لوسمی‌های مربوط به آن هستند. در صورت مشکوک بودن به چنین سرطانی در سیستم لنفاوی، پزشک نمونه خون یا مغز استخوان را گرفته و به آزمایشگاه‌های تخصصی ارسال می‌کند.

فلوسیتومتری روشی است که در آن سلول‌های خونی با سرعت زیاد از سنسور‌های اندازه گیری عبور می‌کنند. بسته به شکل، ساختار یا رنگ سلول‌ها می‌توان ویژگی‌های آن‌ها را تشخیص داد. تشخیص و تعیین دقیق سلول‌های پاتولوژیک هنگام ایجاد تشخیص مهم است.

آزمایشگاه‌ها از «آنتی بادی»هایی استفاده می‌کنند که به سطح سلول‌ها متصل شده و با رنگ‌های فلورسنت ترکیب می‌شوند. از چنین نشانگر‌هایی می‌توان برای تشخیص تفاوت‌های کوچک بین سلول‌های سرطانی و سلول‌های خونی سالم نیز استفاده کرد. فلوسیتومتری مقدار زیادی داده تولید می‌کند. به طور متوسط ​​، بیش از ۵۰ هزار سلول در هر نمونه اندازه گیری می‌شود، سپس این داده‌ها معمولا با ترسیم بیان نشانگر‌های مورد استفاده در مقابل یکدیگر روی صفحه تجزیه و تحلیل می‌شوند.

به همین دلیل کراویتز به همراه نانیتیتا مالش و مکس ژائو، دانشمندان علوم زیستی، بررسی کردند که چگونه می‌توان از هوش مصنوعی برای تجزیه و تحلیل داده‌های سیتومتری استفاده کرد. این تیم بیش از ۳۰ هزار مجموعه داده از بیماران مبتلا به لنفوم سلول B را برای آموزش هوش مصنوعی (AI) در نظر گرفت.

ناندیتا مالش، نویسنده اصلی مقاله می‌گوید: هوش مصنوعی از داده‌ها نهایت استفاده را برده و سرعت و عینی بودن تشخیص‌ها را افزایش می‌دهد نتیجه ارزیابی‌های هوش مصنوعی یک تشخیص پیشنهادی است که هنوز باید توسط پزشک تایید شود. در این فرآیند، هوش مصنوعی نشانه‌هایی از سلول‌های بارز را ارائه می‌دهد.

ابزار آنلاین جدید برای کمک به کادر پزشکی برای پشتیبانی سریع بیماران کووید -۱۹

رویکرد هوش مصنوعی به شناسایی بیماران مبتلا به نارسایی قلبی که از درمان مسدود کننده بتا سود خواهند برد کمک می‌کند
ابزار غربالگری CRISPR هدف درمانی جدیدی را برای درمان لوسمی میلوئید حاد مشخص کند.

نمونه‌های خون و داده‌های سیتومتر از آزمایشگاه سرطان خون مونیخ (MLL)، Charité - Universitätsmedizin Berlin، بیمارستان دانشگاهی Erlangen و بیمارستان دانشگاه بن گرفته شد. متخصصان این موسسات نتایج هوش مصنوعی را بررسی کردند.

کراویتز می‌گوید: استاندارد طلای تشخیص توسط متخصصان خون است که می‌تواند نتایج آزمایش‌های اضافی را نیز در نظر بگیرد. هدف استفاده از هوش مصنوعی جایگزینی پزشکان نیست، بلکه استفاده بهینه از اطلاعات موجود در داده‌هاست. ویژگی جدید و فوق‌العاده هوش مصنوعی که اکنون ارائه شده در امکان انتقال دانش نهفته است: به خصوص آزمایشگاه‌های کوچکتر که توانایی تخصص در زمینه بیوانفورماتیک خود را ندارند و یا ممکن است نمونه‌های بسیار کمی برای توسعه هوش مصنوعی خود از ابتدا داشته باشند، می‌توانند از این مزیت بهره‌مند شوند. پس از یک مرحله آموزشی کوتاه که طی آن هوش مصنوعی با ویژگی‌های آزمایشگاه جدید آشنا می‌شود، می‌تواند از دانش مشتق شده از هزاران مجموعه داده استفاده کند.

این تیم پتانسیل عظیمی در این فناوری می‌بیند؛ بنابراین محققان همچنین می‌خواهند با تولیدکنندگان اصلی تجهیزات و نرم افزار‌های تجزیه و تحلیل همکاری کنند تا استفاده از هوش مصنوعی را بیشتر پیش ببرند. به عنوان مثال در مورد لنفوم‌های سلول B، داده‌های ژنتیکی و سیتومورفولوژیکی نیز برای تایید تشخیص‌ها جمع آوری می‌شود. کراویتز که همچنین عضو دانشگاه بن است، می‌گوید: اگر ما بتوانیم از هوش مصنوعی برای این روش‌ها نیز استفاده کنیم، ابزار قوی‌تری خواهیم داشت.

هوش مصنوعی توسعه یافته در اصل می‌تواند برای تشخیص بیماری‌های روماتیسمی که اغلب بر اساس داده‌های فلوسایتومتری نیز استفاده می‌شوند، مورد استفاده قرار گیرد.

بیشتر بخوانید

• هوش مصنوعی می‌تواند امنیت تجهیزات پزشکی را تهدید کند؟

انتهای پیام/