غربالگری-سرطان-سینه

روش جدید غربالگری سرطان سینه با ترکیب لیزر و هوش مصنوعی

یک روش جدید غربالگری که تحلیل لیزری را با نوعی هوش مصنوعی ترکیب می‌کند، به عنوان نخستین روش از این نوع، قادر به شناسایی بیماران در ابتدایی‌ترین مرحله سرطان سینه است. به گفته یک مطالعه، این تکنیک سریع و غیرتهاجمی، تغییرات ظریف در جریان خون را که در مراحل اولیه بیماری، معروف به مرحله ۱a، رخ می‌دهد، نشان می‌دهد. این تغییرات با تست‌های موجود قابل شناسایی نیستند.

محققان دانشگاه ادینبرو معتقدند که روش جدید آن‌ها می‌تواند به بهبود تشخیص زودهنگام و پایش بیماری کمک کند و راه را برای تست غربالگری برای انواع مختلف سرطان هموار سازد. تست‌های استاندارد برای سرطان سینه معمولاً شامل معاینه فیزیکی، عکس‌برداری با اشعه ایکس یا سونوگرافی و یا تحلیل نمونه‌ای از بافت سینه، که به آن بیوپسی گفته می‌شود، هستند.

تصویری از یک آزمایشگاه مدرن که محققان در حال استفاده از دستگاه لیزر برای تحلیل نمونه‌های خون هستند.
محققان در حال توسعه یک روش جدید غربالگری سرطان سینه با استفاده از لیزر.

استراتژی‌های موجود برای تشخیص زودهنگام معمولاً بر اساس سن افراد یا قرار داشتن در گروه‌های در معرض خطر انجام می‌شود. با استفاده از روش جدید، محققان توانستند سرطان سینه را در ابتدایی‌ترین مرحله شناسایی کنند. این کار با بهینه‌سازی تکنیک تحلیل لیزری به نام طیف‌سنجی رامان و ترکیب آن با یادگیری ماشین، که نوعی هوش مصنوعی است، انجام شد.

تیم تحقیقاتی می‌گوید که روش‌های مشابهی برای غربالگری انواع دیگر سرطان آزمایش شده‌اند، اما زودترین مرحله‌ای که توانسته‌اند بیماری را شناسایی کنند، مرحله دو بوده است. تکنیک جدید ابتدا با تاباندن پرتو لیزر به پلاسما خون بیماران کار می‌کند. سپس خواص نور پس از تعامل با خون با استفاده از دستگاهی به نام طیف‌سنج تحلیل می‌شود تا تغییرات جزئی در ترکیب شیمیایی سلول‌ها و بافت‌ها که نشانه‌های اولیه بیماری هستند، نمایان شود.

📢 اگر عاشق علم هستید و نمی‌خواهید هیچ مقاله‌ای را از دست بدهید…

به کانال تلگرام ما بپیوندید! تمامی مقالات جدید روزانه در آنجا منتشر می‌شوند.

📲 عضویت در کانال تلگرام
پاپ‌آپ اطلاعیه با اسکرول

استفاده از الگوریتم‌های یادگیری ماشین برای شناسایی سرطان سینه

یک الگوریتم یادگیری ماشین برای تفسیر نتایج استفاده می‌شود که ویژگی‌های مشابه را شناسایی کرده و به طبقه‌بندی نمونه‌ها کمک می‌کند. در یک مطالعه آزمایشی شامل ۱۲ نمونه از بیماران مبتلا به سرطان سینه و ۱۲ نمونه از افراد سالم، این تکنیک با دقت ۹۸ درصد موفق به شناسایی سرطان سینه در مرحله ۱a شد. این آزمایش همچنین قادر بود بین چهار زیرنوع اصلی سرطان سینه تمایز قائل شود و دقتی بیش از ۹۰ درصد را نشان داد. این امر می‌تواند به بیماران کمک کند تا درمان‌های مؤثرتر و شخصی‌سازی‌شده‌تری دریافت کنند.

نمایی از الگوریتم یادگیری ماشین در حال تحلیل داده‌ها با تصاویری از گراف‌ها و نمادهای دیجیتالی.
الگوریتم‌های یادگیری ماشین در قلب فناوری جدید تشخیص سرطان سینه جای دارند.

تیم تحقیقاتی معتقد است که پیاده‌سازی این روش به عنوان یک آزمایش غربالگری می‌تواند به شناسایی افراد بیشتری در مراحل اولیه سرطان سینه کمک کرده و شانس موفقیت درمان را افزایش دهد. آن‌ها قصد دارند این کار را گسترش دهند تا شامل شرکت‌کنندگان بیشتری شود و آزمایش‌هایی برای اشکال اولیه سایر انواع سرطان نیز انجام دهند. این مطالعه در ژورنال بیوفوتونیک منتشر شده است.

یک محیط بیمارستانی آرام که در آن یک بیمار در حال دریافت غربالگری سرطان سینه با استفاده از فناوری جدید لیزری است.
تجربه آرامش‌بخش بیمار در حین غربالگری سرطان سینه با فناوری غیرتهاجمی.

نمونه‌های خونی که در این مطالعه استفاده شده‌اند، توسط بانک بیوبانک ایرلند شمالی و بانک بافت سرطان سینه اکنون تأمین شده‌اند. این تحقیق همچنین شامل محققانی از دانشگاه آبرین، دانشگاه علوم کاربردی راین-وال و مدرسه تحصیلات تکمیلی تحقیقات کاربردی در نوردراین-وستفالن بوده است.

دکتر اندی داونز از دانشکده مهندسی دانشگاه ادینبرو که رهبری این مطالعه را بر عهده داشت، گفت: “بیشتر مرگ و میرها ناشی از سرطان، پس از تشخیص در مراحل پیشرفته و بروز علائم اتفاق می‌افتد. بنابراین، یک آزمایش غربالگری آینده برای انواع مختلف سرطان می‌تواند این بیماری‌ها را در مرحله‌ای شناسایی کند که درمان آن‌ها بسیار آسان‌تر باشد. تشخیص زودهنگام کلید بقای طولانی‌مدت است و ما بالاخره فناوری لازم را داریم. ما فقط نیاز داریم آن را به سایر انواع سرطان اعمال کنیم و یک پایگاه داده ایجاد کنیم تا این روش به عنوان یک آزمایش چندسرطانی مورد استفاده قرار گیرد.”

مقاله های شبیه به این مقاله

بیشتر بخوانید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *