۱ دی ۱۴۰۳ ۴:۲۰ ب.ظ
ارزیابی چند دقیقه‌ای تومور مغزی هنگام جراحی
پزشکان در مورد رفتار تومور، واکنش بالقوه به درمان‌های ویژه و مهم‌تر از همه، تهاجمی بودن تومور آگاه می‌شوند. این مدل نه تنها دقیق است، بلکه سریع عمل می‌کند.
یک مدل جدید هوش مصنوعی که در دانشکده پزشکی هاروارد ابداع شده که می‌تواند هنگام جراحی به ارزیابی در لحظه تومور مغزی بپردازد.
به گزارش آی‌مدتودی و به نقل از نیو اطلس، پژوهشگران «دانشکده پزشکی هاروارد» (HMS) یک مدل هوش مصنوعی جدید ابداع کرده‌اند تا به جراحان مغز در مبارزه با سرطان کمک کنند. این مدل موسوم به «CHARM» به سرعت بافت تومور را در طول جراحی مورد ارزیابی قرار می‌دهد تا به متخصصان برای تصمیم‌گیری در مورد چگونگی ادامه جراحی کمک کند.
پزشکان به طور سنتی در طول جراحی سرطان مغز، نمونه‌ای از بافت را برمی‌دارند، آن را منجمد می‌کنند و سپس، آن را برای تعیین نوع تومور و میزان تهاجمی بودن مورد بررسی قرار می‌دهند. این فرآیند به تغییر شکل ظاهری سلول‌ها نیاز دارد. همچنین، این روش متکی به مشاهدات انسانی و میکروسکوپ‌های قوی است اما برای تشخیص دادن تغییرات ژنومی کوچک که می‌توانند میزان تهاجمی یا غیر فعال بودن تومورهای گوناگون را شناسایی کنند، به اندازه کافی واضح نیست.
پژوهشگران دانشکده پزشکی هاروارد در این پروژه، از مدل CHARM برای بهبود بخشیدن به این ارزیابی ظریف کمک گرفته‌اند. این مدل با ۲۳۳۴ نمونه تومور مغزی به دست آمده از ۱۵۲۴ فرد مبتلا به گلیوما آموزش داده شد که شایع‌ترین و کشنده‌ترین نوع سرطان مغز است. در آزمایش‌ها، مدل توانست با دقت ۹۳ درصد به رمزگشایی ساختار ژنتیکی تومور و یافتن جهش تومورها در سطح مولکولی و بافت اطراف آنها بپردازد.
این بدان معناست که در طول جراحی، پزشکان می‌توانند مدل را با نمونه‌های بافت تغذیه کنند و بازخورد فوری را در مورد ترکیب مولکولی تومورهای گلیوما به دست بیاورند. بدین ترتیب، پزشکان در مورد رفتار تومور، واکنش بالقوه به درمان‌های ویژه و مهم‌تر از همه، تهاجمی بودن تومور آگاه می‌شوند. این مدل نه تنها دقیق است، بلکه سریع عمل می‌کند و اطلاعات را به جای چند روز یا چند هفته، در عرض چند دقیقه به جراحان ارائه می‌دهد.
برای مثال، اگر معلوم شود که تومور بسیار تهاجمی است، امکان دارد جراحان تصمیم بگیرند که بافت بیشتری را از ناحیه اطراف مغز بردارند؛ حتی اگر این کار به بروز اختلالات شناختی خاصی منجر شود. اگر مشخص شود که تومور کندتر رشد می‌کند، پزشکان می‌توانند تصمیم بگیرند که روش جراحی محافظه‌کارانه‌تری را اجرا کنند. همچنین، تجزیه و تحلیل CHARM می‌تواند به پزشکان کمک کند تا تصمیم بگیرند که آیا ویفرهای پوشیده‌شده با دارو را هنگام جراحی در مغز جاسازی کنند یا خیر؛ البته این در صورتی است که معلوم شود تومورها به چنین درمانی پاسخ می‌دهند.
کان هسینگ یو، پژوهشگر ارشد این پروژه گفت: در حال حاضر، حتی پیشرفته‌ترین روش‌های بالینی نیز نمی‌توانند مشخصات تومورها را از نظر مولکولی در طول جراحی نشان دهند. مدل ما با استخراج سیگنال‌های بیومدیکال از اسلایدهای منجمد پاتولوژی، بر این چالش غلبه می‌کند. توانایی تشخیص مولکولی هنگام جراحی می‌تواند توسعه انکولوژی دقیق را در لحظه پیش ببرد.
پژوهشگران می گویند که اگرچه CHARM برای این پروژه روی گلیوما آموزش دیده بود اما می‌توان آن را برای تشخیص سایر انواع سرطان مغز و کمک کردن به درمان آنها نیز آموزش داد. آنها معتقدند که این مدل می‌تواند و باید به طور مداوم با پژوهش‌های جدید سرطان به‌روز شود. این دقیقا همان روشی است که پزشکان به کار می‌برند و برای مؤثرتر بودن باید در آموزش مداوم شرکت کنند.
مدل CHARM اکنون به سایر تلاش‌های شناسایی سرطان مبتنی بر هوش مصنوعی می‌پیوندد؛ از جمله تلاش‌هایی که می‌توانند سرطان‌های پروستات، پوست، پستان، تخمدان و سایر موارد را شناسایی کنند.
این پژوهش، در مجله «Med» به چاپ رسید.
