هوش مصنوعی در خدمت پژوهش ایرانی؛ تشخیص زودهنگام درگیری غدد لنفاوی زیر بغل در سرطان سینه
در سالهای اخیر، هوش مصنوعی به یکی از اثرگذارترین فناوریها در حوزه پزشکی تبدیل شده است؛ فناوریای که میتواند دقت تشخیص را افزایش داده و مسیر درمان را به سمت تصمیمگیریهای دقیقتر و هدفمندتر هدایت کند. در همین راستا، پژوهش نوینی با موضوع" فناوریای که میتواند دقت تشخیص را افزایش داده و مسیر درمان را به سمت تصمیمگیریهای دقیقتر و هدفمندتر هدایت کند. در همین راستا، پژوهش نوینی با موضوع" پیشبینی درگیری غدد لنفاوی زیر بغل در بیماران مبتلا به سرطان سینه با استفاده از مبدلهای بینایی و هوش مصنوعی"، توانسته توجه جامعه علمی را به خود جلب کند. این طرح با بهرهگیری از مدلهای یادگیری عمیق و مبدلهای بینایی، در پی آن است تا گامی عملی در کاهش مداخلات تهاجمی و ارتقای دقت تشخیصهای بالینی بردارد. دکتر شکوفه یراقی، نرجس متقی و طهماسبی در گفتوگو با خبرنگار گروه ترجمان دانش وابسته به معاونت تحقیقات و فناوری دانشگاه علوم پزشکی اصفهان به تشریح جزئیات این پژوهش پرداختند."، توانسته توجه جامعه علمی را به خود جلب کند. این طرح با بهرهگیری از مدلهای یادگیری عمیق و مبدلهای بینایی، در پی آن است تا گامی عملی در کاهش مداخلات تهاجمی و ارتقای دقت تشخیصهای بالینی بردارد. دکتر شکوفه یراقی، نرجس متقی و طهماسبی در گفتوگو با خبرنگار گروه ترجمان دانش وابسته به معاونت تحقیقات و فناوری دانشگاه علوم پزشکی اصفهان به تشریح جزئیات این پژوهش پرداختند.
دکتر شکوفه یراقی، دکترای مهندسی فناوری اطلاعات و استاد دانشگاه، در تشریح این طرح گفت: هدف اصلی این پژوهش، توسعه سامانهای مبتنی بر هوش مصنوعی است که بتواند پیش از انجام جراحی، وضعیت درگیری غدد لنفاوی زیر بغل را در بیماران مبتلا به سرطان سینه پیشبینی کند.
وی در توضیح اهمیت این موضوع افزود: در روندهای رایج درمانی، تصمیمگیری برای انجام نمونهبرداری یا جراحی معمولاً با روشهای تهاجمی همراه است؛ روشهایی که ممکن است برای بیمار عوارضی همچون درد، تورم و محدودیت حرکتی به دنبال داشته باشد. هدف ما کاهش این مداخلات غیرضروری و کمک به تصمیمگیری دقیقتر و سریعتر پزشک است.
به گفته وی، این سامانه با دریافت تصاویر سونوگرافی و تحلیل آنها به کمک مدلهای یادگیری عمیق، قادر است الگوهای مرتبط با درگیری یا عدم درگیری غدد لنفاوی را شناسایی کرده و بهعنوان ابزاری کمکی در اختیار پزشک قرار دهد.
در این پروژه، تیم تحقیقاتی با جمعآوری حدود ۵۰۰ تصویر سونوگرافی از بیماران مبتلا به سرطان سینه، شامل موارد درگیر و غیر درگیر، مدل هوش مصنوعی خود را آموزش داده است.
دکتر یراقی در اینباره توضیح داد: با توجه به محدودیت دادههای پزشکی، از روشهای افزایش داده و همچنین معماریهای سبکتر استفاده کردیم تا مدل علاوه بر دستیابی به دقت مناسب، قابلیت اجرا در محیطهای درمانی با امکانات محدود را نیز داشته باشد. بر اساس نتایج اولیه، دقت این سامانه در پیشبینی وضعیت غدد لنفاوی حدود ۹۵ تا ۹۶ درصد گزارش شده است؛ هرچند پژوهشگران تأکید دارند در حوزه پزشکی حتی خطای اندک نیز باید تحت نظارت مستقیم پزشک تفسیر شود. یکی از بخشهای مهم این پژوهش، بهکارگیری مبدلهای بینایی در کنار روشهای یادگیری عمیق برای بهبود عملکرد و افزایش قابلیت تحلیلپذیری مدل است.
در این زمینه، نرجس متقی، پژوهشگر ارشد نرمافزار و هوش مصنوعی کاربردی، بیان کرد: «یکی از چالشهای مهم در کاربرد هوش مصنوعی در پزشکی، مسئله جعبهسیاه بودن مدلهاست؛ به این معنا که مشخص نیست سیستم دقیقاً بر چه اساسی به یک نتیجه میرسد. ما تلاش کردهایم با استفاده از معماریهای نوین، تا حد امکان این فرایند را شفافتر و قابل اعتمادتر کنیم.
طهماسبی، دیگر عضو تیم پژوهشی، نیز درباره دلیل تمرکز این مطالعه بر غدد لنفاوی زیر بغل توضیح داد: «این ناحیه یکی از مهمترین شاخصها در تعیین مرحله بیماری سرطان سینه است و درگیری آن میتواند مسیر درمان را بهطور کامل تغییر دهد. از این رو، پیشبینی دقیق آن اهمیت بالینی بالایی دارد.
در پایان پژوهشگران تأکید داشتند، هدف این سامانه جایگزینی پزشک نیست، بلکه طراحی یک دستیار هوشمند برای ارتقای کیفیت تصمیمگیری بالینی است. دکتر یراقی در پایان خاطرنشان کرد: این فناوری میتواند به کاهش جراحیهای غیرضروری، تسریع آغاز درمان در موارد مثبت، کاهش اضطراب بیماران و صرفهجویی در هزینهها کمک کند. در ادامه مسیر پژوهش، توسعه مدل برای شناسایی موارد خفیفتر و میکرومتاستاز نیز در دستور کار قرار دارد.
