تشخیص تومور مغزی با هوش مصنوعی

alodoctoradmin2
در سال‌های اخیر، تحولات چشمگیری در زمینه تشخیص بیماری‌ها و روش‌های درمانی به وجود آمده است. با این حال، هنوز هم فرصت‌های زیادی برای بهبود روش‌های کنترل بیماری‌های مختلف، به ویژه سرطان، وجود دارد. تشخیص زودهنگام سرطان یک مرحله حیاتی در درمان مؤثر این بیماری به شمار می‌آید، زیرا می‌تواند شانس بقا را برای بیمار […]

در سال‌های اخیر، تحولات چشمگیری در زمینه تشخیص بیماری‌ها و روش‌های درمانی به وجود آمده است. با این حال، هنوز هم فرصت‌های زیادی برای بهبود روش‌های کنترل بیماری‌های مختلف، به ویژه سرطان، وجود دارد. تشخیص زودهنگام سرطان یک مرحله حیاتی در درمان مؤثر این بیماری به شمار می‌آید، زیرا می‌تواند شانس بقا را برای بیمار افزایش دهد.

بین انواع مختلف سرطان گلیوما اهمیت زیادی دارد زیرا شایع ترین تومور مغزی اولیه است و سطوح تهاجمی مختلفی دارد. یکی از روش های رصد این بیمار استفاده از MRI است که چشم انداز بصری دقیقی از تومور و بخش های مختلف آن فراهم می کند و در نتیجه رصد دقیق مکان، شکل و ویژگی های منطقه ای آن ممکن می شود.
در همین راستا گروهی از محققان ایرانی در داخل و خارج از کشور به نامهای آرمین بنکدار، نسترن شکوری فر از دانشگاه خواجه نصیرالدین طوسی و مجید سلطانی و کامران راحمی فر از دانشگاه واترلو کانادا رابطه بین حداکثر قطر مناطق فرعی تومور و شاخصOS در موارد ابتلا به گلیوبلاستوم را بررسی کردند.

آنها برای این منظور از مخزن داده های MRI بیماران گلیوبلاستوم استفاده و آنها را براساس وضعیت جراحی برداشت تومور به ۲ گروه «برداشتن کل ناخالصی»(GTR) و برداشتن میزان نامشخص (NA) تقسیم کردند.

در مرحله بعد آنها از یک الگوریتم خاص استفاده کردند و حداکثر قطر مناطق فرعی تومور را تخمین زدند.

سپس از الگوریتم های ماشین یادگیری برای بررسی رابطه بین حداکثر قطر مناطق زیرمجموعه ای و نرخ زنده ماندن بیمار استفاده شد.

نتایج مدل‌های پیش‌بینی تک متغیره نشان داد که حداکثر قطر نواحی اطراف تومور با میزان بقای بیمارانی که میزان برداشت تومور آنها ناشناخته است، ارتباط دارد.

آیا این مطلب برای شما مفید بود؟
مطالب پیشنهادی

نظر خود را وارد نمایید
لغو پاسخ