به گزارش سرویس ترجمه ایمنا، سرطان ریه سلول غیر کوچک (NSCLC) حدود ۸۵ درصد از سرطان‌های ریه را تشکیل می‌دهد که طی آن سلول‌های بدخیم سرطانی در بافت‌های ریه ایجاد می‌شوند. برای پیش بینی میزان پیشرفت این نوع سرطان، محققان موسسه سرطان "Dana-Farber" در بوستون و بیمارستان زنان در بریگهام از مدل‌های "یادگیری عمیق" و مجموعه‌ای از الگوریتم‌ها، استفاده کردند.
این تیم پژوهشی با استفاده از سی تی اسکن‌های زنجیره‌ای برای (serial image scans) ۱۷۹ بیمار مبتلا به سرطان ریه سلول غیر کوچک در مرحله سوم بیماری، مدل‌های خود را ارائه دادند که شامل چهار تصویر قبل از درمان و در مجموع ۵۸۱ تصویر در فواصل زمانی یک، سه و ۶ ماه بعد از درمان بود.
پژوهشگران، توانایی این مدل برای پیش بینی نتایج اصلی سرطان را با دو پایگاه داده مورد تجزیه و تحلیل قرار دادند. از نظر محققان دست آوردهای این مطالعه رضایت بخش بود؛ بیمارانی که در گروه کم خطر قرار گرفتند، ۶ برابر آن‌هایی که در گروه پر خطر طبقه بندی شدند، بهبود یافتند.
در گذشته برای پیش بینی پیشرفت سرطان از پارامترهایی مانند مرحله بیماری، جنسیت، سن بیمار، مرحله تومور، وضعیت سیگار کشیدن و اندازه تومور استفاده می‌شد که تخمین میزان گسترش سرطان با این مدل بالینی چندان چشمگیر نبود اما مدل‌های یادگیری عمیق (deep-learning models) که به تازگی ابداع شده‌اند با استفاده از سی تی اسکن‌های زنجیره‌ای در پیش بینی متاستاز، پیشرفت و برگشت مجدد بیماری، بسیار کارآمد هستند.
این مدل‌ها تغییر در ضایعات را به صورت کمی در طول زمان پیگیری می‌کنند، از این رو در برنامه‌های درمانی پزشکان برای بیماران، بسیار مفید محسوب می‌شوند و به طبقه بندی بیماران سرطانی در گروه‌های کم خطر و پر خطر جهت انجام آزمایشات بالینی کمک می‌کنند.
مطالعه جدید در مجله Clinical Cancer Research منتشر شده است.
نظر شما