به گزارش ایسنا، پژوهشگران در سراسر جهان تاکنون روش‌هایی را برای پیش‌بینی زودتر این سرطان ابداع کرده‌اند که طی این گزارش به توضیح برخی از آنها می‌پردازیم.
تشخیص سرطان پستان با سیستم مبتنی بر هوش مصنوعی گوگل
پژوهشگران موسسه "Google Health" شرکت گوگل اخیرا سیستم تشخیصی مبتنی بر هوش مصنوعی جدیدی توسعه داده‌اند که می‌تواند با دقت بسیار بیشتری از پزشکان تومورهای سرطانی را تشخیص دهد.
گوگل یک سیستم جدید هوش مصنوعی نوین توسعه داده است که می‌تواند با دقت بسیار بالایی تورموهای سرطان پستان را شناسایی کند. اگرچه دستگاه‌های ماموگرافی بهترین ابزار تشخیصی برای تشخیص سرطان پستان به شمار می‌روند، اما یک ابزار غربالگری مناسب نیستند؛ زیرا پزشکان ممکن است توسط این دستگاه‌ها در برخی موارد نتوانند حضور تومورهای سرطانی را به درستی تشخیص دهند.
طی این مطالعه پژوهشگران برای آموزش این سیستم به آن داده‌های ۱۰۰ هزار دستگاه ماموگرام را وارد کردند و سپس آزمایش بر روی افراد را آغاز کردند. این پژوهشگران پس از انجام آزمایش بر روی افراد دریافتند سیستم تشخیصی مبتنی بر هوش مصنوعی یاد شده می‌تواند موارد ابتلا به سرطان پستان را با ۹.۴ درصد خطای کمتر در مقایسه با پزشکان تشخیص دهد.
محققان دانشگاه "نیویورک" در حال توسعه یک روش تصویربرداری جدید قابل حمل برای تشخیص سرطان پستان هستند.
این روش پتانسیل این را دارد که سرطان پستان در زنان را بهتر تشخیص دهد. محققان پروژه امیدوارند که سیستم تصویربرداری ساخت آنها به تشخیص زودهنگام سرطان پستان کمک کند.
روش‌های متعددی برای تصویربرداری وجود دارد که می‌توان از میان آنها به "ام.آر.آی" اشاره کرد. اما ام.آر.آی یک روش گرانقیمت است که ممکن است سبب بروز آلرژی در فرد شود. علاوه بر آن حمل این دستگاه آسان نیست. اصولا پزشکان به طور منظم از دستگاه ماموگرام برای تشخیص سرطان پستان استفاده می‌کنند.
با این که این روش موثر است، ولی در زنانی که بافت سینه آنها متراکم است، نمی‌توان به خوبی از این دستگاه بهره گرفت و این روش تاثیر کمتری روی آنها دارد. برخلاف ماموگرام، این دستگاه جدید که "DSM" نام دارد، بدون اشعه است و از یک لیزر برای روشن ساختن بافت پستان استفاده می‌کند. ترکیب لیزر و اولتراسوند در یک روش تصویربرداری "پرتونگاری فوتوآکوستیک" نام دارد. در این دستگاه از هموگلوبین استفاده می‌شود و تصویربرداری از بافت پستان را ممکن می‌سازد. محققان پروژه گفته‌اند که این دستگاه به نوعی در حد میلی‌متری تومورها را تشخیص می‌دهد.
استفاده از هوش مصنوعی در تشخیص دقیق‌تر سرطان پستان
پژوهشگران "دانشگاه کالیفرنیا، لس آنجلس"(UCLA) در مطالعه اخیر خود به این نتیجه رسیده‌اند هوش مصنوعی می‌تواند بهتر از آسیب‌شناسان سرطان پستان را شناسایی کند.
پژوهشگران آمریکایی اخیرا ۲۴۰ تصویر بافت‌برداری از پستان را به یک سیستم هوش مصنوعی وارد کردند و نتایج تشخیص بیماری را با تشخیص ۸۷ آسیب‌شناس مقایسه کردند. پس از آن پژوهشگران نتایج را مورد بررسی قرار دادند و دریافتند هوش مصنوعی در تشخیص دو مورد از بیماری‌های پستان دقیق‌تر از پزشکان عمل کرده است.
هوش مصنوعی توانست بهتر و دقیق‌تر از پزشکان "کارسینوم داکتال مجرایی"(ductal carcinoma in situ) نوعی سرطان و "هیپرپلازی آتیپیک مجاری پستان"(atypical hyperplasia)، ضایعه پرخطر که دارای علائم سرطان است اما سرطانی نیست را تشخیص دهد.
اولین قدم برای کارسینوم داکتال مجرایی و هیپرپلازی آتیپیک مجاری پستان یکسان است و طی آن پزشکان توده را برمی‌دارند اما مراحل بعدی بسیار متفاوت است. افرادی که به کارسینوم داکتال مجرایی مبتلا هستند به لامپکتومی احتیاج دارند که اغلب با پرتودرمانی یا هورمون درمانی انجام می‌شود.
پژوهشگران اظهار کرده‌اند نتایج آزمایش رضایت بخش بوده است و امیدوارند در آینده با پیشرفت فناوری، هوش مصنوعی بتواند یک ابزار حیاتی و دستیار خوب برای آسیب شناسان باشد.
هوش مصنوعی شرکت آب‌بی‌ام(IBM) قادر است با تجمیع و ترکیب تصاویر و سوابق پزشکی بانوان، وقوع سرطان پستان در آنان را یک سال زودتر تشخیص دهد.
شرکت آی‌بی‌ام از هوش مصنوعی فقط برای پیش‌بینی دیابت استفاده نمی‌کند. محققان این شرکت یک مدل هوش مصنوعی توسعه داده‌اند که می‌تواند سرطان بدخیم پستان را یک سال زودتر و با دقت ۸۷ درصدی که قابل مقایسه با رادیولوژیست‌ها است پیش‌بینی کند.
در حالی که در حال حاضر چند روش تشخیصی توسط هوش مصنوعی وجود دارد که به تصاویر ماموگرافی یا پرونده پزشکی بیمار متکی است، آی‌بی‌ام از هر دوی آنها استفاده می‌کند. بنابراین نتیجه قابل اعتمادتری گزارش می‌دهد.
روش آی.بی.ام آموزش هوش مصنوعی با تصاویر ماموگرافی ناشناس مرتبط با زیست‌نشانگرها(بیومارکرها) مانند سابقه بارداری و داده‌های بالینی است که اجازه می‌دهد یک الگوریتم با دقت نسبتاً بالا ایجاد شود.
این الگوریتم می‌تواند احتمال تشخیص نادرست را با ایجاد ارتباط بین صفاتی مانند کمبود آهن و عملکرد تیروئید که در تصاویر پیدا نیست، کاهش دهد.
آی‌بی‌ام حتی اطلاعاتی را از بیوپسی‌ها، آزمایش‌های آزمایشگاهی، سوابق ثبت سرطان و کدهایی از سایر روش‌های تشخیص می‌گیرد.
آی‌بی‌ام می‌گوید دقت این الگوریتم به اندازه‌ای خوب هست که بتواند به عنوان "چشم سوم" پزشکان مورد استفاده قرار بگیرد.
این الگوریتم می‌تواند تشخیص رادیولوژیست را تصدیق کند و بیماران را از شر دادن آزمایش‌های غیرضروری رها کند. این مزیت می‌تواند به ویژه در کشورهایی که با کمبود نیرو و امکانات مواجه هستند مفید واقع شود.