چالش به کارگیری هوش مصنوعی در مقابله با سرطان پستان

متخصصان چندین رشته طی یک چالش بزرگ گردهم آمدند تا روش‌های بهتری برای به کارگیری هوش مصنوعی در مقابله با سرطان پستان ارائه دهند.
به گزارش ایسنا و به نقل از دیلی‌ادونت، سرطان پستان اخیرا با غلبه بر سرطان ریه، به شایع‌ترین سرطان در جهان تبدیل شده است.
با افزایش مقابله با سرطان پستان، چالشی موسوم به "BreastPathQ" از سال ۲۰۱۹ آغاز شد که هدف آن، حمایت از تشخیص به کمک رایانه برای ارزیابی آسیب‌شناسی سرطان پستان است.
شرکت‌کنندگان چالش BreastPathQ باید یک روش خودکار را برای تحلیل عکس‌های بافت پستان ابداع کنند و به رتبه‌بندی آنها براساس محتوای سلول تومور بپردازند تا یک ارزیابی قابل اطمینان ارائه دهند.
این چالش، نتایج دلگرم‌کننده‌ای را نشان داد که روشی را در به کار گرفتن هوش مصنوعی برای ارزیابی بالینی سرطان پستان ارائه می‌دهد.
تصویربرداری پزشکی برای درمان نئوجوانت
درمان سرطان‌های تهاجمی پستان اغلب با روش "پستان‌برداری" یا "ماستکتومی"(Mastectomy) صورت می‌گیرد که به عنوان قابل اطمینان‌ترین نوع درمان شناخته می‌شود.
یک روش درمانی موسوم به "درمان نئوجوانت" (neoadjuvant treatment) می‌تواند اندازه، تراکم و میزان گسترش آن را کاهش دهد و جایگزینی برای ماستکتومی باشد.
تصویربرداری پزشکی، به پزشکان امکان می‌دهد تا اثرات درمان نئوجوانت را ارزیابی کنند.
در حالی که فرآیندهای ارزیابی تصاویر پزشکی با هدف تشخیص سرطان معمولا به صورت دستی انجام می‌شوند و بر تحلیل متخصص در مورد ساختارهای پیچیده بافت مبتنی هستند، الگوریتم‌های یادگیری ماشینی که برای شناسایی سرطان ابداع شده‌اند، می‌توانند کارآیی و قابلیت اطمینان این فرآیندها را افزایش دهند.
انتظار می‌رود که روش‌های کاملا خودکار بتوانند سرعت تجزیه و تحلیل تصویر را افزایش دهند.
تمرکز زیاد، تلاش بین‌المللی
۳۹ گروه پژوهشی از ۱۲ کشور گوناگون در سراسر جهان، در چالش BreastPathQ شرکت کردند.
در مجموع ۱۰۰ الگوریتم ابداع، تایید و آزمایش شد.
گروه‌های پژوهشی توانستند الگوریتم‌های خود را با سایر الگوریتم‌های دانشگاهی، صنعتی و دولتی مقایسه کنند.
بیشتر گروه‌ها به جای محدود کردن خود به یک ساختار هوش مصنوعی، مجموعه‌ای از الگوریتم‌های یادگیری ماشینی را به کار بردند.
عملکرد الگوریتم‌های برتر، با آسیب‌شناسانی قابل مقایسه بود که استانداردهای مرجعی را برای پژوهش فراهم می‌کنند.
بهترین الگوریتم توانست از رتبه آسیب‌شناسان هم پیشی بگیرد.
چالش BreastPathQ موفقیت‌آمیز بود زیرا کمیته برگزاری، متخصصان چندین رشته را گرد هم آورده بودند.
این پژوهش، در "Journal of Medical Imaging" به چاپ رسید.
انتهای پیام