محققان ایرانی با هوش مصنوعی روش جدیدی برای پیش‌بینی طول عمر بیماران تومور مغزی ارائه دادند

در دهه‌های اخیر پیشرفت‌های قابل‌توجه‌ی در تشخیص پزشکی و روش‌های درمانی رخ داده است، با این‌حال پیشرفت در کنترل بیماری‌های گوناگون به‌ویژه سرطان همچنان ادامه دارد. تشخیص به‌موقع سرطان گامی مهم در درمان موثر این بیماری محسوب می‌شود زیرا شانس زنده‌ماندن فرد مبتلا را افزایش می‌دهد.

اهمیت گلیوما در میان تومور‌های مغزی

بین انواع گوناگون سرطان، گلیوما اهمیت زیادی دارد چون شایع‌ترین تومور مغزی اولیه است و سطوح تهاجمی مختلفی دارد. یکی از روش‌های رصد این بیماری، بهره‌گیری از ام‌آر‌آی است که چشم‌انداز بصری دقیقی از تومور و بخش‌های گوناگون آن فراهم می‌کند و در نتیجه رصد دقیق مکان، شکل و ویژگی‌های منطقه‌ای تومور ممکن می‌شود.

تحقیقات مشترک محققان ایرانی در داخل و خارج از کشور

در همین راستا گروه‌ی از محققان ایرانی در داخل و خارج از سرزمین به نام‌های آرمین بنکدار، نسترن شکوری‌فر از دانشگاه خواجه نصیرالدین طوسی و مجید سلطانی و کامران راحمی‌فر از دانشگاه واترلو کانادا، رابطه بین حداکثر قطر مناطق فرعی تومور و شاخص بقای کلی (OS) در موارد ابتلا به گلیوبلاستوم را بررسی کردند.

آن‌ها برای این منظور از مخزن داده‌های ام‌آر‌آی بیماران گلیوبلاستوم بهره‌گیری و آن‌ها را بر پایه حالت جراحی برداشت تومور به دو گروه برداشتن کل ناخالصی (GTR) و برداشتن مقدار نامشخص (NA) تقسیم کردند.

استفاده از الگوریتم‌های یادگیری ماشین برای تحلیل داده‌ها

در مرحله بعد محققان از یک الگوریتم خاص بهره‌گیری کردند و حداکثر قطر مناطق فرعی تومور را تخمین زدند. سپس از الگوریتم‌های یادگیری ماشین برای بررسی رابطه بین حداکثر قطر مناطق زیرمجموعه‌ای و نرخ زنده‌ماندن بیمار استفاده شد.

نتایج مدل‌های پیش‌بینی تک‌متغیره نشان داد که حداکثر قطر نواحی اطراف تومور با مقدار بقای بیمارانی که مقدار برداشت تومور آن‌ها ناشناخته است، رابطه دارد.