به گزارش خبرگزاری صدا و سیما؛ سرطان ریه، عامل اصلی مرگ ناشی از سرطان در سراسر جهان است. توموگرافی کامپیوتری قفسه سینه با دز پایین (LDCT)، روش موثری برای غربالگری افراد بین ۵۰ تا ۸۰ سال با سابقه مصرف سیگار است. ثابت شده است که غربالگری سرطان ریه با LDCT مرگ ناشی از سرطان ریه را تا ۲۴ درصد کاهش میدهد. محققان بیمارستان عمومی ماساچوست، در مطالعه جدیدی، یک ابزار هوش مصنوعی به نام Sybil را طراحی و آزمایش کرده اند.
به منظور بهبود کارایی غربالگری سرطان ریه، تیم تحقیقاتی، با استفاده از دادههای کارآزمایی ملی غربالگری ریه (NLST)، یک مدل یادگیری عمیق به نام Sybil را توسعه داده است که با تجزیه و تحلیل اسکن ها، خطر سرطان ریه را برای یک تا شش سال آینده پیش بینی میکند.
تجزیه و تحلیل اسکنهای LDCT از بیماران، نشان داد که Sybil قادر است خطر ابتلا به سرطان ریه را به طور دقیق در افراد غیر سیگاری یا افراد با سابقه مصرف سیگار، پیش بینی کند.
تیم تحقیقاتی با استفاده از سه مجموعه داده مستقل، اعتبار Sybil را تأیید کرد. مجموعه دادهها شامل اسکنهای بیش از ۶ هزار شرکت کننده NLST، ۸ هزار اسکن LDCT از بیمارستان عمومی ماساچوست و ۱۲ هزار اسکن LDCT از بیمارستان یادبود چانگ گونگ در تایوان، بودند. محققان دریافتند که Sybil قادر است خطر دقیق ابتلا به سرطان ریه را در این مجموعه ها، پیش بینی کند.
پژوهشگران توضیح داده اند، Sybil میتواند با نگاه کردن به یک تصویر، خطر ابتلای بیمار به سرطان ریه را در عرض شش سال آینده پیش بینی کند. ما قصد داریم تا با تحقیق و آزمایشهای بیشتر تعیین کنیم که آیا این رویکرد میتواند مسیر شخصی سازی شدهای برای غربالگری بیماران ارائه دهد یا خیر.
نتایج تحقیقاتی در مجله Journal of Clinical Oncology منتشر شده اند.
