هوش مصنوعی به کمک پزشکان می‌آید؛ راهی تازه برای تشخیص سرطان اولیه ریه از متاستاز
تشخیص اینکه یک توده در ریه، سرطان اولیه ریه است یا سرطانی که از اندام دیگری به ریه گسترش یافته (متاستاز)، یکی از چالش‌های مهم پزشکی است. تشخیص درست این دو وضعیت اهمیت زیادی دارد، زیرا می‌تواند نوع درمان و حتی تصمیم پزشک برای انجام جراحی را تغییر دهد. با این حال، گاهی ظاهر این توده‌ها در تصاویر پزشکی بسیار شبیه یکدیگر است و تشخیص منشأ آنها به‌راحتی امکان‌پذیر نیست.
در همین راستا، پژوهشگران دانشگاه علوم پزشکی اصفهان با استفاده از هوش مصنوعی و تحلیل تصاویر پت‌سی‌تی، روشی را برای کمک به تشخیص تفاوت میان سرطان اولیه ریه و متاستازهای ریوی بررسی کردند.
در این پژوهش، به سرپرستی دکتر مهسا منصوریان و با مشارکت همکاران، اطلاعات مربوط به ۷۹ بیمار مبتلا به توده‌های بدخیم ریه، شامل ۳۰ مورد سرطان اولیه ریه و ۴۹ مورد متاستاز، مورد بررسی قرار گرفت. پژوهشگران با استخراج اطلاعات مختلف از تصاویر پت‌سی‌تی و ترکیب آنها با اطلاعات بالینی بیماران، تلاش کردند الگویی پیدا کنند که بتواند به تشخیص منشأ توده‌های ریوی کمک کند.
نتایج این پژوهش نشان داد مدل هوش مصنوعی طراحی‌شده توانایی امیدوارکننده‌ای در تمایز سرطان اولیه ریه از متاستازهای ریوی دارد؛ به‌طوری‌که توانایی آن در تفکیک این دو گروه به حدود ۹۰ درصد رسید. این مدل با بررسی سن بیمار و الگوهای ظریف موجود در تصاویر پت سی تی، توانست اطلاعات مفیدی برای تشخیص منشأ ضایعات ریوی فراهم کند.
نکته جالب این پژوهش آن بود که برای رسیدن به این نتیجه، از میان بیش از ۱۶۰ ویژگی استخراج‌شده از تصاویر و اطلاعات بیماران، تنها چهار ویژگی مهم انتخاب شدند. این چهار ویژگی شامل سن بیمار و سه ویژگی مربوط به ساختار و بافت تومور بودند. به بیان ساده، هوش مصنوعی توانست از میان حجم زیادی از اطلاعات، نشانه‌هایی را پیدا کند که در تشخیص نوع توده اهمیت بیشتری دارند.
این یافته می‌تواند زمینه‌ساز استفاده از هوش مصنوعی به‌عنوان یک ابزار کمکی در کنار نظر پزشکان و بررسی‌های تصویربرداری باشد؛ ابزاری که در آینده ممکن است به کاهش تردیدهای تشخیصی و انتخاب بهتر روش درمان، به‌ویژه در تصمیم‌گیری درباره جراحی، کمک کند.
البته این روش هنوز جایگزین نمونه‌برداری و بررسی آسیب‌شناسی نیست و برای اطمینان از عملکرد آن در شرایط مختلف درمانی، باید در مطالعات گسترده‌تر و در بیمارستان‌های دیگر نیز بررسی شود.
این پژوهش نشان می‌دهد که ترکیب هوش مصنوعی با تصویربرداری پزشکی می‌تواند افق‌های تازه‌ای برای تشخیص دقیق‌تر بیماری‌ها بگشاید و در آینده به پزشکان در انتخاب آگاهانه‌تر مسیر درمان بیماران کمک کند.
لینک مقاله در مجله بین المللی BMC Medical Imaging- :
https://link.springer.com/article/10.1186/s12880-026-02700-w
