تشخیص ۱۳ نوع سرطان در مراحل اولیه با هوش مصنوعی و دقت ۹۸ درصدی

تشخیص ۱۳ نوع سرطان در مراحل اولیه با هوش مصنوعی و دقت ۹۸ درصدی, پژوهشگران دانشگاه کمبریج و کالج سلطنتی لندن با بهرهگیری از الگوریتمهای پیشرفته یادگیری ماشین، روشی نوین برای شناسایی زودرس طیف وسیعی از سرطانها را توسعه دادهاند.

این مدل هوشمند با تحلیل الگوهای متیلاسیون دیانای در بافتهای سالم، قادر است ۱۳ نوع سرطان رایج و مرگبار را با دقت ۹۸.۲ درصد تشخیص دهد.نقش متیلاسیون دیانای در تشخیص پیشین سرطانمتیلاسیون نامناسب دیانای یکی از رویدادهای ایپیژنتیکی است که در اکثر انواع تومورهای خبیث مشاهده میشود و میتواند سالها قبل از بروز علائم بالینی، نشانههای قابلقياسی را در بافتهای ظاهریاً سالم به جا بگذارد.

شناسایی این تغییرات ریز با روشهای سنتی بسیار دشوار و پرهزینه بوده است.قدرت مدلهای یادگیری ماشین در پیمایش دادههای ژنتیکیتیم علمی با آموزش شبکههای عصبی عمیق بر روی حجم عظیمی از دادههای متیلوم، موفق شدهاند الگوهای منحصر به فرد هر نوع سرطان را از متیلاسیون فیزیولوژیک بافتهای طبیعی تفکیک کنند.

محققان این فرآیند را مشابه یافتن یک سوزن در انبار کاه توصیف میکنند که هوش مصنوعی آن را در مقیاس وسیع و با سرعت بالا امکانپذیر ساخته است.افزایش شانس درمان قطعی با تشخیص زودرساکثریت سرطانها تنها در مراحل پیشرفته و با پیشبینی بد درمانپذیر هستند، در حالی که شناسایی آنها در مراحل اولیه میتواند نرخ بقا را به شدت بالا ببرد.

دقت ۹۸.۲ درصدی این مدل، امید جدیدی برای برنامههای اسکرینینگ جمعیتی و پزشکی پیشگیرانه فراهم آورده است.آینده کاربرد بالینی و توسعههای آتیمحققان تأکید دارند که اگرچه نتایج اولیه بسیار واعد است، اما مدل نیازمند اعتبارسنجیهای گستردهتر بر روی جمعیتهای متنوع و تستهای بالینی چندمرحلهای است.

در صورت موفقیت در مراحل آتی، این فناوری میتواند نه تنها ابزاری قدرتمند برای تشخیص سریع باشد، بلکه درک عمیقتری از مکانیزمهای مولد سرطان را نیز برای محققان فراهم آورد.