درمان تومور مغزی با کمک هوش مصنوعی


20 خرداد 1399 - 23:56
5edf595b87ae9_5edf595b87aed
دو پژوهشگر هندی و ژاپنی، یک روش مبتنی بر یادگیری ماشینی ابداع کرده‌اند که می‌تواند درمان مناسب برای بیماران مبتلا به تومور مغزی را با توجه به شدت تومور آنها ارائه دهد.

شاید یک ابزار دقیق یادگیری ماشینی بتواند به پزشکان کمک کند تا درمان‌های شخصی‌سازی شده‌ای را برای بیماران مبتلا به تومورهای مغزی "گلیوما"(Glioma) ارائه دهند.

پژوهشگران هندی و ژاپنی، یک روش جدید یادگیری ماشینی ابداع کرده‌اند که نوع متداولی از تومور مغزی را در درجات پایین یا بالا، با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند. این روش می‌تواند به پزشکان کمک کند تا موثرترین راهبرد را برای درمان شخصی‌سازی شده بیماران انتخاب کنند.

گلیوما، نوع متداولی از تومور مغزی است که بر یاخته‌های گلیال که وظیفه حمایت از نورون‌ها را بر عهده دارند، اثر می‌گذارد. درمان بیماران باید با توجه به میزان تهاجمی بودن تومور آنها متفاوت باشد؛ در نتیجه تشخیص درست میزان تهاجمی بودن تومور هر بیمار، بسیار مهم است.

رادیولوژیست‌ها معمولا از اسکن‌های ام‌.آر.آی، داده‌های بسیاری را به دست می‌آورند تا تصویر سه‌بعدی بافت اسکن‌ شده را بازسازی کنند. بسیاری از داده‌های به دست آمده از اسکن‌های ام‌.آر.آی از جمله جزئیات مربوط به شکل و بافت تومور را نمی‌توان با چشم غیرمسلح تشخیص داد.

الگوریتم‌های هوش مصنوعی می‌توانند به استخراج این داده‌ها کمک کنند. متخصصان سرطان‌شناسی، از این روش برای بهبود تشخیص بیماران استفاده کرده‌اند اما هنوز باید دقت این روش افزایش یابد.

"گانش پاندیان ناماسیوایام"(Ganesh Pandian Namasivayam)، پژوهشگر "دانشگاه کیوتو"(Kyoto University) ژاپن با همکاری "بالاسوبرامانیان رامان"(Balasubramanian Raman)، دانشمند هندی، نوعی روش یادگیری ماشینی ابداع کرده‌اند که می‌تواند تومورهای گلیوما را با حدود ۹۸ درصد دقت، در درجات بالا و پایین طبقه‌بندی کند.

با کمک این روش، تومورهای گلیوما با توجه به میزان تهاجمی بودن آنها مشخص و طبقه‌بندی می‌شوند تا پزشکان بتوانند درمان مناسب برای هر بیمار را با توجه به سطح تومور انتخاب کنند.

رامان گفت: روش ما، رویکردهای پیشرفته‌ای را به کار می‌گیرد تا میزان تهاجمی بودن گلیوما را با توجه به اسکن‌های ام‌.آر.آی مغز بیماران مشخص کند.

گانش گفت: ما امیدواریم هوش مصنوعی، به ابداع مدل‌های نرم‌افزاری نیمه خودکار یا خودکار منجر شود که می‌توانند به پزشکان و رادیولوژیست‌ها در انتخاب بهترین درمان برای بیماران کمک کنند.

این پژوهش، در مجله "IEEE Access" به چاپ رسید.

دو پژوهشگر هندی و ژاپنی، یک روش مبتنی بر یادگیری ماشینی ابداع کرده‌اند که می‌تواند درمان مناسب برای بیماران مبتلا به تومور مغزی را با توجه به شدت تومور آنها ارائه دهد.

پایگاه خبری خبر فوری (khabarfoori.com)

5edf595b87ae9_5edf595b87aed
20 خرداد 1399 - 23:56

شاید یک ابزار دقیق یادگیری ماشینی بتواند به پزشکان کمک کند تا درمان‌های شخصی‌سازی شده‌ای را برای بیماران مبتلا به تومورهای مغزی "گلیوما"(Glioma) ارائه دهند.

پژوهشگران هندی و ژاپنی، یک روش جدید یادگیری ماشینی ابداع کرده‌اند که نوع متداولی از تومور مغزی را در درجات پایین یا بالا، با دقت حدود ۹۸ درصد طبقه‌بندی می‌کند. این روش می‌تواند به پزشکان کمک کند تا موثرترین راهبرد را برای درمان شخصی‌سازی شده بیماران انتخاب کنند.

گلیوما، نوع متداولی از تومور مغزی است که بر یاخته‌های گلیال که وظیفه حمایت از نورون‌ها را بر عهده دارند، اثر می‌گذارد. درمان بیماران باید با توجه به میزان تهاجمی بودن تومور آنها متفاوت باشد؛ در نتیجه تشخیص درست میزان تهاجمی بودن تومور هر بیمار، بسیار مهم است.

رادیولوژیست‌ها معمولا از اسکن‌های ام‌.آر.آی، داده‌های بسیاری را به دست می‌آورند تا تصویر سه‌بعدی بافت اسکن‌ شده را بازسازی کنند. بسیاری از داده‌های به دست آمده از اسکن‌های ام‌.آر.آی از جمله جزئیات مربوط به شکل و بافت تومور را نمی‌توان با چشم غیرمسلح تشخیص داد.

الگوریتم‌های هوش مصنوعی می‌توانند به استخراج این داده‌ها کمک کنند. متخصصان سرطان‌شناسی، از این روش برای بهبود تشخیص بیماران استفاده کرده‌اند اما هنوز باید دقت این روش افزایش یابد.

"گانش پاندیان ناماسیوایام"(Ganesh Pandian Namasivayam)، پژوهشگر "دانشگاه کیوتو"(Kyoto University) ژاپن با همکاری "بالاسوبرامانیان رامان"(Balasubramanian Raman)، دانشمند هندی، نوعی روش یادگیری ماشینی ابداع کرده‌اند که می‌تواند تومورهای گلیوما را با حدود ۹۸ درصد دقت، در درجات بالا و پایین طبقه‌بندی کند.

با کمک این روش، تومورهای گلیوما با توجه به میزان تهاجمی بودن آنها مشخص و طبقه‌بندی می‌شوند تا پزشکان بتوانند درمان مناسب برای هر بیمار را با توجه به سطح تومور انتخاب کنند.

رامان گفت: روش ما، رویکردهای پیشرفته‌ای را به کار می‌گیرد تا میزان تهاجمی بودن گلیوما را با توجه به اسکن‌های ام‌.آر.آی مغز بیماران مشخص کند.

گانش گفت: ما امیدواریم هوش مصنوعی، به ابداع مدل‌های نرم‌افزاری نیمه خودکار یا خودکار منجر شود که می‌توانند به پزشکان و رادیولوژیست‌ها در انتخاب بهترین درمان برای بیماران کمک کنند.

این پژوهش، در مجله "IEEE Access" به چاپ رسید.

منبع: ایسنا

70

نظرات
  • دیدگاه های ارسال شده توسط شما پس از تایید توسط مدیر سایت منتشر خواهد شد.
  • پیام هایی که حاوی تهمت و افترا باشند منتشر نخواهند شد.
  • پیام هایی که غیر از زبان پارسی یا غیر مرتبط باشند منتشر نخواهد شد.
خبر فوری در شبکه های اجتماعی
khabarfoori in social networks