بیمارستان دانشگاهی کلیولند از هوش مصنوعی برای تشخیص زودهنگام سرطان ریه بهره میگیرد
بیمارستان دانشگاهی کلیولند (UH Cleveland Medical Center) اعلام کرد با همکاری شرکت بینالمللی Qure.ai، پیشرو در حوزه هوش مصنوعی سلامت، پروژهای نوآورانه را برای تشخیص زودهنگام سرطان ریه از طریق تحلیل هوشمند تصاویر رادیوگرافی قفسه سینه (X-ray) آغاز کرده است.
به گزارش مدرن مد به نقل از cms.qure، در این همکاری، الگوریتم تأییدشده سازمان غذا و داروی آمریکا (FDA) با نام qXR-LN بهعنوان «چشم دوم» در کنار رادیولوژیستها عمل میکند تا هرگونه گره یا نودول مشکوک ریوی را در تصاویر بیماران شناسایی کند. این ابزار علاوه بر پشتیبانی از پزشکان در تشخیص سریعتر، دادههای ارزشمندی را برای پژوهشهای آینده در حوزه هوش مصنوعی پزشکی فراهم خواهد کرد.
چالشی جدی در تشخیص زودهنگام سرطان ریه
آمیت گوپتا، رئیس بخش تصویربرداری قلب و قفسه سینه و مدیر بخش رادیوگرافی تشخیصی بیمارستان کلیولند، در توضیح این طرح گفت: «سرطان ریه همچنان عامل اصلی مرگومیر ناشی از سرطان در ایالات متحده است. برای بهبود تشخیص زودهنگام و افزایش بقا، دستورالعملهای فعلی انجام سیتیاسکن با دوز پایین (LDCT) را برای افراد پرخطر – مانند سیگاریها و افرادی که سابقه مصرف دخانیات دارند – بهعنوان استاندارد مراقبت توصیه میکنند. با این حال، میزان اجرای این نوع غربالگری در کشور بسیار پایین است؛ از هر ۱۰۰ فرد واجد شرایط، تنها حدود ۱۶ نفر واقعاً غربالگری میشوند.»
او افزود:«یکی از روشهای مؤثر برای بهبود شناسایی زودهنگام سرطان ریه، بررسی تصادفی گرههای ریوی در تصاویر قفسه سینه است که بیماران در هنگام بستری به دلایل دیگر انجام میدهند. اما تشخیص این نودولها در تصاویر ساده X-ray بسیار دشوار است، زیرا اغلب نشانهها ظریف و بهراحتی قابل چشمپوشی هستند.»
هوش مصنوعی؛ چشم دوم پزشکان
برای غلبه بر این چالش، بیمارستان کلیولند یک کارآزمایی بالینی را با هدف بررسی کارایی الگوریتم هوش مصنوعی qXR آغاز کرده است. این سامانه با تحلیل تصاویر قفسه سینه، نودولهای ریوی را شناسایی و نتایج خود را با گزارشهای رادیولوژیستها مقایسه میکند تا دقت و سرعت تشخیص بررسی شود.
گوپتا توضیح میدهد:«هوش مصنوعی مانند یک جفت چشم دوم برای رادیولوژیستها عمل میکند. این فناوری میتواند نودولهای مشکوک را علامتگذاری کند و به شناسایی مواردی کمک کند که شاید در نگاه اول از دید پزشک پنهان بمانند. انتظار داریم نتایج این مطالعه نشان دهد که چند بیمار به سیتیاسکن تکمیلی، بیوپسی یا بررسیهای بیشتر نیاز دارند و چند مورد سرطان ریه زودتر از حالت معمول تشخیص داده میشود.»
او افزود:«هدف ما از این پژوهش نهتنها ارتقای تشخیص زودهنگام است، بلکه ایجاد تحول اساسی در نظام پایش و مراقبت از بیماران مبتلا به سرطان ریه است.»
تقویت توان تشخیص با الگوریتم qXR-LN
به گفته سمیر شاه، مدیر ارشد پزشکی شرکت Qure.ai:«الگوریتم هوش مصنوعی qXR-LN فرصتی ارزشمند فراهم میکند تا محدودهی وسیعتری از بیماران تحت غربالگری قرار گیرند و گرههای ریوی مشکوک با اندازهای بین ۶ تا ۳۰ میلیمتر شناسایی شوند. این فناوری میتواند نقش مؤثری در مبارزه با سرطان ریه ایفا کرده و به بهبود پیامدهای درمانی بیماران کمک کند.»
او اضافه کرد:«ما از همکاری با بیمارستان دانشگاهی کلیولند خرسندیم و امیدواریم نتایج این پروژه، مسیر بهرهگیری گستردهتر از هوش مصنوعی در تصویربرداری پزشکی را هموار کند.»
فصل تازهای در تشخیص زودهنگام سرطانها
کارشناسان معتقدند ادغام فناوریهای هوش مصنوعی در فرایندهای تصویربرداری پزشکی میتواند فصل تازهای در تشخیص زودهنگام سرطانها رقم بزند. در حالیکه کمبود نیروهای متخصص و حجم بالای تصاویر تشخیصی چالش بزرگی برای نظامهای درمانی ایجاد کرده، الگوریتمهای هوشمند مانند qXR-LN میتوانند با کاهش خطای انسانی، تشخیص سریعتر و دقیقتر بیماریها را ممکن سازند.
پروژه مشترک بیمارستان دانشگاهی کلیولند و Qure.ai یکی از گامهای مهم در مسیر بهکارگیری عملی هوش مصنوعی در غربالگری سرطان ریه بهشمار میرود؛ طرحی که میتواند الگوی نوینی برای بیمارستانهای آمریکا و سایر کشورها در استفاده بالینی از فناوریهای هوشمند فراهم آورد.
