گروهی از محققان ایرانی از روشی برای پایش تومورهای مغزی با کمک هوش مصنوعی استفاده کرده اند که ارتباط بین نواحی تومور و احتمال زنده ماندن را نشان می دهد.
به گزارش مهر، در دهه های اخیر پیشرفت های چشمگیری در روش های تشخیصی و درمانی پزشکی حاصل شده است. با این حال، هنوز جای پیشرفت در روش های کنترل بیماری های مختلف، به ویژه سرطان وجود دارد. تشخیص به موقع سرطان گام مهمی در درمان موثر این بیماری است، زیرا شانس زنده ماندن فرد مبتلا به آن بستگی دارد.
در میان انواع مختلف سرطان، گلیوما بسیار مهم است زیرا شایع ترین تومور اولیه مغزی است و دارای سطوح مختلف پرخاشگری است. یکی از روش های مانیتورینگ این بیمار استفاده از MRI است که چشم انداز بصری دقیقی از تومور و قسمت های مختلف آن ارائه می دهد و در نتیجه امکان ردیابی دقیق محل، شکل و ویژگی های ناحیه ای آن وجود دارد.
در همین راستا، گروهی از محققان ایرانی داخل و خارج از کشور به نام‌های آرمین بنکدار، نسترن شکوری فر از دانشگاه خواجه نصیرالدین طوسی، مجید سلطانی و کامران رحمی فر از دانشگاه واترلو کانادا، ارتباط بین حداکثر قطر زیرمنطقه‌های تومور و سیستم عامل را بررسی کردند. شاخص در موارد آلوده آنها گلیوبلاستوما را مطالعه کردند.
برای این منظور از پایگاه داده MRI بیماران مبتلا به گلیوبلاستوما استفاده کردند و آنها را بر اساس وضعیت برداشت جراحی تومور به 2 گروه «حذف کامل ناخالصی» (GTR) و حذف مقدار نامشخص (NA) تقسیم کردند.
در مرحله بعد از الگوریتم خاصی استفاده کردند و حداکثر قطر زیر ناحیه های تومور را تخمین زدند.
سپس از الگوریتم‌های یادگیری ماشین برای بررسی رابطه بین حداکثر قطر زیر مجموعه‌ای از مناطق و نرخ بقای بیمار استفاده شد.
نتایج مدل‌های پیش‌بینی تک متغیره نشان داد که حداکثر قطر نواحی تومور اطراف با میزان بقای بیمارانی که میزان برداشتن تومور ناشناخته بود، مرتبط است.
