پژوهشی تازه مشخص می کند که پزشکان به‌زودی می‌توانند از هوش مصنوعی (AI) برای تشخیص سرطان در بیماران منفعت گیری کنند و درمان زودهنگام را مقدور سازند.

این مطالعه مشخص می کند که تشخیص و طبقه‌بندی سرطان با منفعت گیری از راه حلهای مبتنی بر متیلاسیون، عرصه‌ای در حال گسترش است که اکنون منفعت گیری از هوش مصنوعی را در خود جای داده است.

مبارزه برای تسلط بر سرطان هم چنان ادامه دارد چون این بیماری یکی از عوامل مهم مرگ‌ومیر در جهان است. هر ساله ۱۹ میلیون مورد ابتلا و ۱۰ میلیون مرگ گزارش می‌شود که این آمار تشخیص در مرحله های اولیه را الزامی می‌کند.

در این پژوهش آمده است:

«زیاد تر سرطان‌ها در صورت تشخیص زودهنگام قابل درمان می باشند.»

بااین‌حال، زیاد تر سرطان‌ها در مرحله های پیشرفته تشخیص داده خواهد شد، اما یک خط میانی مشترک بین تعداد بسیاری از آن‌ها اتفاق اپی‌ژنتیکی است که به نام متیلاسیون نابجای DNA شناخته می‌شود. این اتفاق می‌تواند در عرصه پیش‌بینی ابتلا به سرطان قبل از اغاز علائم آن، پشتیبانی کند.

به‌علت سختی این کار، محققان از یادگیری ماشینی برای تشخیص تغییرات خاص سرطانی از متیلاسیون عادی در بافت‌ها منفعت گیری کردند.

شناسایی نشانه‌های متیلاسیون DNA که نشان‌دهنده انواع گوناگون سرطان است، به جستجوی سوزن در انبار کاه شباهت دارد.

به همین علت محققان دانشگاه کمبریج و کالج سلطنتی لندن به فناوری محاسبات سریع روی آوردند. آنها تغییراتی را در این علائم DNA در مرحله های اولیه گسترش سرطان مشاهده کردند و «۱۳ نوع سرطان گوناگون را از بافت غیرسرطانی با دقت ۹۸.۲ درصد شناسایی کردند.»

بازدید نمونه بافت به جای قطعات DNA در تشخیص سرطان

آنها مثالهای بافت را به جای قطعات DNA در خون بازدید کردند که به نظر می‌رسد کلید پیروزی این پژوهش باشد. یکی از پژوهشگران این مطالعه می‌گوید:

«ما نشان دادیم که مدل‌های XGBoost برای طبقه‌بندی تعداد بسیاری از انواع سرطان با منفعت گیری از داده‌های متیلاسیون DNA به گفتن ورودی، مناسب می باشند.»

آنها خاطرنشان می‌کنند که این مدل نیاز به آموزش و آزمایش بیشتری دارد. محققان پافشاری دارند که «جنبه مهم این مطالعه منفعت گیری از یک مدل مهم هوش مصنوعی قابل توضیح و تفسیر می بود.»

آن‌ها ادعا می‌کنند که این مدل می‌تواند به پزشکی در فهمیدن «مکانیسم‌های اساسی که در تشکیل سرطان نقش دارند» پشتیبانی کند.

این پژوهش در ژورنال «Biology Methods & Protocols» دانشگاه آکسفورد به چاپ رسیده است.