تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی

امروزه فرایندهای مختلفی برای یادگیری عمیق و جدایی ناپذیر در توسعه ابزارهای هوش مصنوعی در دستگاه گوارش، به ویژه در فن آوری های تصویربرداری قابل مشاهده است.

ابزارهای هوش مصنوعی از الگوریتم های تخصصی برای آموزش و انجام کارهایی مانند طبقه بندی و بهبود تصویر، تشخیص یا پیش بینی نتایج استفاده می کنند. این شبکه های عمیق، تصاویر را برای یادگیری به صورت تکراری تجزیه و تحلیل می کنند و با استفاده مداوم، آنها هوشمندتر می شوند. در همین راستا تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی امری بسیار مهم و ضروری است که باید بدان توجه گردد.

مقاله ای که در سال 2012 در آندوسکوپی منتشر شد، حاکی از آن است که در طی کولونوسکوپی تا 25٪ از پولیپ ها از دست می رود. عوامل مرتبط با این خطاها شامل زمان خروج، کیفیت آماده سازی و متغیرهای خاص آندوسکوپیست، از جمله میزان پوشش بصری شده و توانایی تشخیص پولیپ های تخت است. نشان داده شده است که سیستم های تشخیص پولیپ با کمک رایانه با استفاده از یادگیری عمیق، توانایی آندوسکوپیست ها را در تشخیص پولیپ ها و کمک به خصوصیات آنها در طی غربالگری معمول و کولونوسکوپی نظارتی افزایش می دهد.

در مقاله ای که در سال 2019 در گات منتشر شد، محققان به طور آینده نگر تأثیر سیستم تشخیص پولیپ را با استفاده از رایانه و هوش مصنوعی بر اساس یادگیری عمیق بر میزان تشخیص پولیپ و میزان تشخیص آدنوم (ADR) بررسی کردند.

بسیاری از پولیپ های اضافی شناسایی شده، کوچک بودند، بنابراین ارتباط بالینی مطالعه را محدود می کنند. طبق گفته Nayantara Coelho Prabhu، MBBS، ابزارهای یادگیری عمیق هوش مصنوعی ممکن است به ویژه در تشخیص انواع خاصی از پولیپ ها مانند ضایعات صاف و دندانه دار که معمولاً توسط آندوسکوپیست ها فراموش می شوند، مفید باشند.

تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی در بیماران مبتلا به بیماری التهابی روده یکی دیگر از موارد موثر به دلیل مشکلات مرتبط با تشخیص پولیپ در بیماران مبتلا به التهاب مخاط است. از آنجا که IBD خطر ابتلا به سرطان روده بزرگ را در فرد افزایش می دهد، کاربرد بالقوه AI برای افزایش تشخیص پولیپ در این بیماران بسیار هیجان انگیز است.

هنگامی که آنها در مورد تصاویر کافی آموزش ببینند، سیستم های AI می توانند به متخصصان گوارش کمک کنند تا مناطق با خطر بالاتر دیسپلازی و تغییرات پرینئوپلاستیک را در روده بزرگ شناسایی کنند.

نقش هوش مصنوعی در طبقه بندی و مدیریت پولیپ

خصوصیات پولیپ ها، به عنوان ضایعات آدنوماتوز یا دندانه دار در مقابل ضایعات هیپرپلاستیک خوش خیم، از ویژگی های مهم سیستم های AI موجود در حال حاضر است. این تمایز از آن جهت مهم است که خطر سرطان روده بزرگ در بیمار و فواصل نظارت را تعیین می کند. ابزار موجود در حال حاضر برای طبقه بندی هنوز کامل نشده است، اما پتانسیل پیشرفت آن در آینده را نشان می دهد.

فناوری های جدیدترتشخیص بافت سرطانی روده با استفاده از هوش مصنوعی در حال ظهور هستند که ممکن است بتوانند به متخصصان آندوسکوپی کمک کنند تا عمق حمله زیر مخاطی به قسمت های مختلف ضایعه را تعیین کنند. اطلاعات ارائه شده توسط این ابزارها می تواند به متخصصان آندوسکوپی کمک کند تا تشخیص دهند که آیا برای برداشتن کامل ضایعه، در مقابل شکاف عمیق زیر مخاطی لازم است یا خیر.

می توان هوش مصنوعی را آموزش داد تا به متخصصان آندوسکوپی کمک کند تا حاشیه پولیپ ها را شناسایی کنند که شناسایی آنها گاهی اوقات دشوار است، به ویژه در ضایعات گسترش یافته جانبی. آموزش هوش مصنوعی در مورد تصاویر مختلف با نور، فیلتر، دقت و ویژگی ابزار را بهبود می بخشد و با یادگیری عمیق، سیستم های هوش مصنوعی تا زمانی که در حال اجرا هستند، برای بهبود و ارائه نتایج دقیق تر، به یادگیری ادامه می دهند.

ابزارهای هوش مصنوعی را می توان برای انجام کارهای زیر آموزش داد:

پولیپ ها را قبل از برداشتن مشخص کرده و بافت پرنوئوپلاستیک باقیمانده را شناسایی کنید تا برداشت کامل بافت آدنوماتوز را که برای جلوگیری از عود مجدد لازم است را مشاهده کنید.

کیفیت آزمون ها را استاندارد کرده و فواصل دقیق پیگیری را بررسی کنید

بیمارانی را که بیشتر در معرض خطر عوارض حین برداشتن هستند، از جمله خونریزی، عوارض قلبی تنفسی و سوراخ شدن را شناسایی کنید

استفاده از هوش مصنوعی در دستگاه گوارش

امروزه بسیاری از کلینیک های مرتبط در این حوزه، برای توسعه و تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی از موقعیت مناسبی برخوردار هستند. داشتن مجموعه داده های کاملاً حاشیه نویسی شده که می تواند برای آموزش ابزارهای هوش مصنوعی مورد استفاده قرار گیرد، یک مولفه اساسی در ساخت ابزارهای موثر و دقیق هوش مصنوعی است.

در حال حاضر امروزه بسیاری از پزشکان بر استفاده از هوش مصنوعی برای کمک به شناسایی دقیق محل پولیپ و سرطان در روده بزرگ برای کمک به جراحان در مواردی که نیاز به برداشتن دارد و همچنین بهبود اقدامات نظارتی، به ویژه هنگامی که این ضایعات به روش آندوسکوپی برداشته شوند، متمرکز هستند.

محققان همچنین در حال انجام آزمایشات بالینی شامل تکنیک های پیشرفته تصویربرداری، از جمله استفاده از ابزار AI و تصویربرداری از نور، تصویربرداری از باند باریک و آندوسکوپی کپسول روده بزرگ هستند. پیش بینی شده تا پنج سال آینده به طور منظم از ابزارهای AI برای هدایت آندوسکوپی (از جمله کولونوسکوپی)، ازوفاگاگاسترودودنوسکوپی، انتروسکوپی کپسول، سونوگرافی آندوسکوپی و کلانژیوپانکراتوگرافی آندوسکوپی در محیط بالینی استفاده شود.

همچنین انتظار می رود از هوش مصنوعی برای بهینه سازی زمانبندی، برای افزایش تشخیص و هدایت نظارت استفاده شود. به طور کلی، پیشرفت های حاصل از یادگیری مبتنی بر هوش مصنوعی می تواند به پزشک کمک کند بهترین گزینه درمانی را برای هر بیمار تعیین کند و این توانایی آن ها را در ارائه روش های درمانی کاملاً منحصر به فرد به بیماران افزایش می دهد.

امروزه، سازمان غذا و داروی ایالات متحده مجاز به بازاریابی GI Genius، اولین دستگاهی است که از هوش مصنوعی مبتنی بر یادگیری ماشین برای کمک به پزشکان در تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی استفاده می کند. هوش مصنوعی این امکان را دارد که مراقبت های بهداشتی را برای کمک بهتر به ارائه دهندگان خدمات بهداشتی و بهبود مراقبت از بیمار تغییر دهد.

وقتی هوش مصنوعی با غربالگری های سنتی یا روش های نظارتی ترکیب شود، می تواند به پیدا کردن مشکلات در اوایل، زمانی که درمان آنها آسان تر است، کمک کند. در طول غربالگری سرطان روده بزرگ، ضایعات از دست رفته حتی برای پزشکان متخصص آموزش دیده می تواند یک مشکل باشد. امروزه با مجوز FDA از این دستگاه، پزشکان اکنون ابزاری دارند که می تواند به بهبود توانایی آنها در تشخیص ضایعات دستگاه گوارش که از دست داده اند، کمک کند.

طبق گزارش موسسه ملی بهداشت، سرطان روده بزرگ سومین علت مرگ و میر ناشی از سرطان در ایالات متحده است. سرطان روده بزرگ معمولاً از پولیپ یا سایر رشد های پیش سرطانی در راست روده یا روده بزرگ (روده بزرگ) شروع می شود.

به عنوان بخشی از طرح غربالگری و نظارت بر سرطان روده بزرگ، پزشکان کلونوسکوپی را برای تشخیص تغییرات یا ناهنجاری های پوشش روده بزرگ و راست روده انجام می دهند. کولونوسکوپی شامل استفاده از آندوسکوپ (یک لوله نازک و قابل انعطاف با یک دوربین در انتهای آن)، از طریق راست روده و در کل طول روده بزرگ است و به یک پزشک بالینی اجازه می دهد علائم سرطان یا ضایعات پیش سرطانی را ببیند.

GI Genius از سخت افزار و نرم افزاری تشکیل شده است که برای برجسته کردن قسمت هایی از روده بزرگ در جایی که دستگاه ضایعه بالقوه را تشخیص می دهد، طراحی شده است. این نرم افزار از تکنیک های الگوریتم هوش مصنوعی برای شناسایی مناطق مورد علاقه استفاده می کند. در طی کولونوسکوپی، سیستم GI Genius مارکرهایی را تولید می کند که شبیه مربع های سبز هستند و با صدای کوتاه و کم حجم همراه هستند و با شناسایی ضایعه بالقوه، آنها را از دوربین آندوسکوپ بر روی فیلم سوار می کند.

این علائم به پزشک معالج سیگنال می دهند که ممکن است به ارزیابی بیشتری نیاز باشد، مانند معاینه دقیق بصری، نمونه برداری از بافت، آزمایش یا برداشتن، یا از بین بردن (سوزاندن) ضایعه. GI Genius به گونه ای طراحی شده است که با بسیاری از سیستم های آندوسکوپی تصویری استاندارد FDA سازگار است.

استفاده از این دستگاه منجر به انجام بیوپسی بیشتر می شود، هیچ گونه عارضه جانبی با بیوپسی های اضافی مانند سوراخ شدن، عفونت یا خونریزی گزارش نشده است. با این حال، افزایش کمی در تعداد ضایعات، نمونه برداری شده که آدنوم نبوده است. هدف GI Genius برای توصیف یا طبقه بندی ضایعه و جایگزینی نمونه گیری آزمایشگاهی به عنوان وسیله تشخیص نیست.

این دستگاه هیچ ارزیابی تشخیصی از آسیب شناسی پولیپ روده بزرگ و همچنین نحوه مدیریت پولیپ های مشکوک را به پزشک ارائه نمی دهد. GI Genius فقط مناطقی از روده بزرگ را در قسمت دید آندوسکوپ که ممکن است یک پولیپ روده بزرگ باشد، شناسایی می کند و به این ترتیب امکان بررسی بیشتر در زمان واقعی در طول کولونوسکوپی فراهم می شود. این که آیا منطقه شناسایی شده واقعاً شامل یک ضایعه مشکوک است و چگونگی مدیریت و پردازش ضایعه بر اساس اقدامات و دستورالعمل های بالینی استاندارد، بر عهده پزشک بالینی است.

FDA GI Genius را می توان از طریق مسیر بازاریابی بازار نوین De Novo بررسی کرد، یک مسیر نظارتی برای برخی از دستگاه های کم خطر تا متوسط ​​که جدید هستند و هیچ دستگاه اصلی قانونی به بازار عرضه نشده است که دستگاه بتواند برابری قابل توجهی داشته باشد.

نکاتی که باید در مورد تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی بدانید

سرطان روده بزرگ، سومین نوع سرطان در مردان و زنان است. در صورت تشخیص به موقع قابل درمان است. تکنیکی که معمولاً برای تشخیص سرطان روده بزرگ استفاده می شود کولونوسکوپی است که در آن پرسنل پزشکی که به بیمار مراجعه می کنند که شامل، پزشک، متخصص گوارش یا آنکولوژیست است، تصویر بدست آمده از روده بزرگ را به صورت بصری بررسی می کنند و سپس در مورد تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی با هم مشورت هایی را به عمل می آورند.

در روش دستی برای بررسی کولونوسکوپی، ممکن است گاهی اوقات منجر به تشخیص اشتباه شود که باید در این موارد پزشک دقت کافی داشته باشد. در حال حاضر، در حین معاینه، پزشکان وجود رشد غیر طبیعی بافت (پولیپ) را بررسی می کنند و ویژگی های آنها از جمله شکل، ساختار سطح و کانتور را مطالعه می کنند تا آنها را در دسته های مختلف (نئوپلاستیک و غیر نئوپلاستیک) طبقه بندی کنند. تیم پزشکی، شکل، بافت و اجزای رنگ را از طریق الگوریتم های هوش مصنوعی با استفاده از فیلترهای مختلف استخراج و بررسی می کنند.

دانشمندان در مقالات تحقیقاتی خود که در گزارش های علمی منتشر شده است، خاطرنشان کردند، برای ارزیابی قدرت سیستم خود، کار خود را با چهار مدل یادگیری عمیق کلاسیک مقایسه کردند و نتیجه کار خود را بهتر از دیگران دانستند. الگوریتم هوش مصنوعی می تواند به راحتی با روش های فعلی تشخیص که یک USP قابل توجه برای این کار است، ادغام شود. تیم تحقیق کننده از نتایج کارخود هیجان زده هستند و معتقدند که کار آنها تأثیر جهانی در تشخیص سرطان روده بزرگ دارد و می تواند موفقیت آمیز باشد.

نتیجه گیری:

تشخیص بافت سرطانی روده با استفاده از هوش مصنوعی در زمینه آندوسکوپی تا حد زیادی به فناوری رایانه مربوط می شود که به کامپیوترها اجازه می دهد محتوای دیداری را ببینند و تفسیر کنند. از طریق فرایندهای یادگیری ماشین و اخیراً یادگیری عمیق، می توان سیستم های AI را برای شناسایی موارد مختلف سرطان به کار برد.