امروزه فرایند‌های مختلفی برای یادگیری عمیق و جدایی ناپذیر در توسعه ابزار‌های هوش مصنوعی در دستگاه گوارش، به ویژه در فن آوری‌های تصویربرداری قابل مشاهده است.

ابزار‌های هوش مصنوعی از الگوریتم‌های تخصصی برای آموزش و انجام کار‌هایی مانند طبقه بندی و بهبود تصویر، تشخیص یا پیش بینی نتایج استفاده می‌کنند. این شبکه‌های عمیق، تصاویر را برای یادگیری به صورت تکراری تجزیه و تحلیل می‌کنند و با استفاده مداوم، آن‌ها هوشمندتر می‌شوند. در همین راستا تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی امری بسیار مهم و ضروری است که باید بدان توجه گردد.

مقاله‌ای که در سال ۲۰۱۲ در آندوسکوپی منتشر شد، حاکی از آن است که در کولونوسکوپی تا ۲۵ ٪ از پولیپ‌ها از دست می‌رود. عوامل مرتبط با این خطا‌ها شامل زمان خروج، کیفیت آماده سازی و متغیر‌های خاص آندوسکوپیست، از جمله میزان پوشش بصری شده و توانایی تشخیص پولیپ‌های تخت است.

نشان داده شده است که سیستم‌های تشخیص پولیپ با کمک رایانه با استفاده از یادگیری عمیق، توانایی آندوسکوپیست‌ها را در تشخیص پولیپ‌ها و کمک به خصوصیات آن‌ها در غربالگری معمول و کولونوسکوپی نظارتی افزایش می‌دهد.

در مقاله‌ای که در سال ۲۰۱۹ در گات منتشر شد، محققان به طور آینده نگر تأثیر سیستم تشخیص پولیپ را با استفاده از رایانه و هوش مصنوعی بر اساس یادگیری عمیق بر میزان تشخیص پولیپ و میزان تشخیص آدنوم (ADR) بررسی کردند.

بسیاری از پولیپ‌های اضافی شناسایی شده، کوچک بودند، بنابراین ارتباط بالینی مطالعه را محدود می‌کنند. طبق گفته Nayantara Coelho Prabhu، MBBS، ابزار‌های یادگیری عمیق هوش مصنوعی ممکن است به ویژه در تشخیص انواع خاصی از پولیپ‌ها مانند ضایعات صاف و دندانه دار که معمولاً توسط آندوسکوپیست‌ها فراموش می‌شوند، مفید باشند.

تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی در بیماران مبتلا به بیماری التهابی روده یکی دیگر از موارد موثر به دلیل مشکلات مرتبط با تشخیص پولیپ در بیماران مبتلا به التهاب مخاط است. از آن جا که IBD خطر ابتلا به سرطان روده بزرگ را در فرد افزایش می‌دهد، کاربرد بالقوه AI برای افزایش تشخیص پولیپ در این بیماران بسیار هیجان انگیز است.

هنگامی که آن‌ها در مورد تصاویر کافی آموزش ببینند، سیستم‌های AI می‌توانند به متخصصان گوارش کمک کنند تا مناطق با خطر بالاتر دیسپلازی و تغییرات پرینئوپلاستیک را در روده بزرگ شناسایی کنند.

نقش هوش مصنوعی در طبقه بندی و مدیریت پولیپ

خصوصیات پولیپ ها، به عنوان ضایعات آدنوماتوز یا دندانه دار در مقابل ضایعات هیپرپلاستیک خوش خیم، از ویژگی‌های مهم سیستم‌های AI موجود در حال حاضر است. این تمایز از آن جهت مهم است که خطر سرطان روده بزرگ در بیمار و فواصل نظارت را تعیین می‌کند. ابزار موجود در حال حاضر برای طبقه بندی هنوز کامل نشده است، اما پتانسیل پیشرفت آن در آینده را نشان می‌دهد.

فناوری‌های جدیدترتشخیص بافت سرطانی روده با استفاده از هوش مصنوعی در حال ظهور هستند که ممکن است بتوانند به متخصصان آندوسکوپی کمک کنند تا عمق حمله زیر مخاطی به قسمت‌های مختلف ضایعه را تعیین کنند. اطلاعات ارائه شده توسط این ابزار‌ها می‌تواند به متخصصان آندوسکوپی کمک کند تا تشخیص دهند که آیا برای برداشتن کامل ضایعه، در مقابل شکاف عمیق زیر مخاطی لازم است یا خیر.

‌می‌توان هوش مصنوعی را آموزش داد تا به متخصصان آندوسکوپی کمک کند تا حاشیه پولیپ‌ها را شناسایی کنند که شناسایی آن‌ها گاهی اوقات دشوار است، به ویژه در ضایعات گسترش یافته جانبی. آموزش هوش مصنوعی در مورد تصاویر مختلف با نور، فیلتر، دقت و ویژگی ابزار را بهبود می‌بخشد و با یادگیری عمیق، سیستم‌های هوش مصنوعی تا زمانی که در حال اجرا هستند، برای بهبود و ارائه نتایج دقیق تر، به یادگیری ادامه می‌دهند.

ابزار‌های هوش مصنوعی را می‌توان برای انجام کار‌های زیر آموزش داد:

پولیپ‌ها را قبل از برداشتن مشخص کرده و بافت پرنوئوپلاستیک باقیمانده را شناسایی کنید تا برداشت کامل بافت آدنوماتوز را که برای جلوگیری از عود مجدد لازم است را مشاهده کنید.

کیفیت آزمون‌ها را استاندارد کرده و فواصل دقیق پیگیری را بررسی کنید

بیمارانی را که بیشتر در معرض خطر عوارض حین برداشتن هستند، از جمله خونریزی، عوارض قلبی تنفسی و سوراخ شدن را شناسایی کنید

استفاده از هوش مصنوعی در دستگاه گوارش

امروزه بسیاری از کلینیک‌های مرتبط در این حوزه، برای توسعه و تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی از موقعیت مناسبی برخوردار هستند. داشتن مجموعه داده‌های کاملاً حاشیه نویسی شده که می‌تواند برای آموزش ابزار‌های هوش مصنوعی مورد استفاده قرار گیرد، یک مولفه اساسی در ساخت ابزار‌های موثر و دقیق هوش مصنوعی است.

در حال حاضر امروزه بسیاری از پزشکان بر استفاده از هوش مصنوعی برای کمک به شناسایی دقیق محل پولیپ و سرطان در روده بزرگ برای کمک به جراحان در مواردی که نیاز به برداشتن دارد و همچنین بهبود اقدامات نظارتی، به ویژه هنگامی که این ضایعات به روش آندوسکوپی برداشته شوند، متمرکز هستند.

محققان همچنین در حال انجام آزمایشات بالینی شامل تکنیک‌های پیشرفته تصویربرداری، از جمله استفاده از ابزار AI و تصویربرداری از نور، تصویربرداری از باند باریک و آندوسکوپی کپسول روده بزرگ هستند. پیش بینی شده تا پنج سال آینده به طور منظم از ابزار‌های AI برای هدایت آندوسکوپی (از جمله کولونوسکوپی)، ازوفاگاگاسترودودنوسکوپی، انتروسکوپی کپسول، سونوگرافی آندوسکوپی و کلانژیوپانکراتوگرافی آندوسکوپی در محیط بالینی استفاده شود.

همچنین انتظار می‌رود از هوش مصنوعی برای بهینه سازی زمانبندی، برای افزایش تشخیص و هدایت نظارت استفاده شود. به طور کلی، پیشرفت‌های حاصل از یادگیری مبتنی بر هوش مصنوعی می‌تواند به پزشک کمک کند بهترین گزینه درمانی را برای هر بیمار تعیین کند و این توانایی آن‌ها را در ارائه روش‌های درمانی کاملاً منحصر به فرد به بیماران افزایش می‌دهد.

استفاده از هوش مصنوعی در دستگاه گوارش

امروزه، سازمان غذا و داروی ایالات متحده مجاز به بازاریابی GI Genius، اولین دستگاهی است که از هوش مصنوعی مبتنی بر یادگیری ماشین برای کمک به پزشکان در تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی استفاده می‌کند. هوش مصنوعی این امکان را دارد که مراقبت‌های بهداشتی را برای کمک بهتر به ارائه دهندگان خدمات بهداشتی و بهبود مراقبت از بیمار تغییر دهد.

وقتی هوش مصنوعی با غربالگری‌های سنتی یا روش‌های نظارتی ترکیب شود، می‌تواند به پیدا کردن مشکلات در اوایل، زمانی که درمان آن‌ها آسان‌تر است، کمک کند. در طول غربالگری سرطان روده بزرگ، ضایعات از دست رفته حتی برای پزشکان متخصص آموزش دیده می‌تواند یک مشکل باشد. امروزه با مجوز FDA از این دستگاه، پزشکان اکنون ابزاری دارند که می‌تواند به بهبود توانایی آن‌ها در تشخیص ضایعات دستگاه گوارش که از دست داده اند، کمک کند.

طبق گزارش موسسه ملی بهداشت، سرطان روده بزرگ سومین علت مرگ و میر ناشی از سرطان در ایالات متحده است. سرطان روده بزرگ معمولاً از پولیپ یا سایر رشد‌های پیش سرطانی در راست روده یا روده بزرگ (روده بزرگ) شروع می‌شود.

به عنوان بخشی از طرح غربالگری و نظارت بر سرطان روده بزرگ، پزشکان کلونوسکوپی را برای تشخیص تغییرات یا ناهنجاری‌های پوشش روده بزرگ و راست روده انجام می‌دهند. کولونوسکوپی شامل استفاده از آندوسکوپ (یک لوله نازک و قابل انعطاف با یک دوربین در انتهای آن)، از طریق راست روده و در کل طول روده بزرگ است و به یک پزشک بالینی اجازه می‌دهد علائم سرطان یا ضایعات پیش سرطانی را ببیند.

GI Genius از سخت افزار و نرم افزاری تشکیل شده است که برای برجسته کردن قسمت‌هایی از روده بزرگ در جایی که دستگاه ضایعه بالقوه را تشخیص می‌دهد، طراحی شده است. این نرم افزار از تکنیک‌های الگوریتم هوش مصنوعی برای شناسایی مناطق مورد علاقه استفاده می‌کند. در طی کولونوسکوپی، سیستم GI Genius مارکر‌هایی را تولید می‌کند که شبیه مربع‌های سبز هستند و با صدای کوتاه و کم حجم همراه هستند و با شناسایی ضایعه بالقوه، آن‌ها را از دوربین آندوسکوپ بر روی فیلم سوار می‌کند.

این علائم به پزشک معالج سیگنال می‌دهند که ممکن است به ارزیابی بیشتری نیاز باشد، مانند معاینه دقیق بصری، نمونه برداری از بافت، آزمایش یا برداشتن، یا از بین بردن (سوزاندن) ضایعه. GI Genius به گونه‌ای طراحی شده است که با بسیاری از سیستم‌های آندوسکوپی تصویری استاندارد FDA سازگار است.

استفاده از این دستگاه منجر به انجام بیوپسی بیشتر می‌شود، هیچ گونه عارضه جانبی با بیوپسی‌های اضافی مانند سوراخ شدن، عفونت یا خونریزی گزارش نشده است. با این حال، افزایش کمی در تعداد ضایعات، نمونه برداری شده که آدنوم نبوده است. هدف GI Genius برای توصیف یا طبقه بندی ضایعه و جایگزینی نمونه گیری آزمایشگاهی به عنوان وسیله تشخیص نیست.

این دستگاه هیچ ارزیابی تشخیصی از آسیب شناسی پولیپ روده بزرگ و همچنین نحوه مدیریت پولیپ‌های مشکوک را به پزشک ارائه نمی‌دهد. GI Genius فقط مناطقی از روده بزرگ را در قسمت دید آندوسکوپ که ممکن است یک پولیپ روده بزرگ باشد، شناسایی می‌کند و به این ترتیب امکان بررسی بیشتر در زمان واقعی در طول کولونوسکوپی فراهم می‌شود. این که آیا منطقه شناسایی شده واقعاً شامل یک ضایعه مشکوک است و چگونگی مدیریت و پردازش ضایعه بر اساس اقدامات و دستورالعمل‌های بالینی استاندارد، بر عهده پزشک بالینی است.

FDA GI Genius را می‌توان از طریق مسیر بازاریابی بازار نوین De Novo بررسی کرد، یک مسیر نظارتی برای برخی از دستگاه‌های کم خطر تا متوسط ​​که جدید هستند و هیچ دستگاه اصلی قانونی به بازار عرضه نشده است که دستگاه بتواند برابری قابل توجهی داشته باشد.

نکاتی که باید در مورد تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی بدانید

سرطان روده بزرگ، سومین نوع سرطان در مردان و زنان است. در صورت تشخیص به موقع قابل درمان است. تکنیکی که معمولاً برای تشخیص سرطان روده بزرگ استفاده می‌شود کولونوسکوپی است که در آن پرسنل پزشکی که به بیمار مراجعه می‌کنند که شامل، پزشک، متخصص گوارش یا آنکولوژیست است، تصویر بدست آمده از روده بزرگ را به صورت بصری بررسی می‌کنند و سپس در مورد تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی با هم مشورت‌هایی را به عمل می‌آورند.

در روش دستی برای بررسی کولونوسکوپی، ممکن است گاهی اوقات منجر به تشخیص اشتباه شود که باید در این موارد پزشک دقت کافی داشته باشد. در حال حاضر، در حین معاینه، پزشکان وجود رشد غیر طبیعی بافت (پولیپ) را بررسی می‌کنند و ویژگی‌های آن‌ها از جمله شکل، ساختار سطح و کانتور را مطالعه می‌کنند تا آن‌ها را در دسته‌های مختلف (نئوپلاستیک و غیر نئوپلاستیک) طبقه بندی کنند. تیم پزشکی، شکل، بافت و اجزای رنگ را از طریق الگوریتم‌های هوش مصنوعی با استفاده از فیلتر‌های مختلف استخراج و بررسی می‌کنند.

دانشمندان در مقالات تحقیقاتی خود که در گزارش‌های علمی منتشر شده است، خاطرنشان کردند، برای ارزیابی قدرت سیستم خود، کار خود را با چهار مدل یادگیری عمیق کلاسیک مقایسه کردند و نتیجه کار خود را بهتر از دیگران دانستند. الگوریتم هوش مصنوعی می‌تواند به راحتی با روش‌های فعلی تشخیص که یک USP قابل توجه برای این کار است، ادغام شود. تیم تحقیق کننده از نتایج کارخود هیجان زده هستند و معتقدند که کار آن‌ها تأثیر جهانی در تشخیص سرطان روده بزرگ دارد و می‌تواند موفقیت آمیز باشد.

تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی در زمینه آندوسکوپی تا حد زیادی به فناوری رایانه مربوط می‌شود که به کامپیوتر‌ها اجازه می‌دهد محتوای دیداری را ببینند و تفسیر کنند. از طریق فرایند‌های یادگیری ماشین و اخیراً یادگیری عمیق، می‌توان سیستم‌های AI را برای شناسایی موارد مختلف سرطان به کار برد.

منبع: فانا