يتنبأ الذكاء الاصطناعي بتكرار الورم الدبقي عند الأطفال باستخدام عمليات مسح الدماغ المتعددة

يتنبأ الذكاء الاصطناعي بتكرار الورم الدبقي عند الأطفال باستخدام عمليات مسح الدماغ المتعددة

يُظهِر الذكاء الاصطناعي (AI) وعدًا هائلاً لتحليل مجموعات كبيرة من بيانات التصوير الطبي وتحديد الأنماط التي قد يفوتها المراقبون البشريون. قد يساعد تفسير فحوصات الدماغ بمساعدة الذكاء الاصطناعي في تحسين رعاية الأطفال المصابين بأورام الدماغ التي تسمى الأورام الدبقية، والتي عادة ما تكون قابلة للعلاج ولكنها تختلف في خطر تكرارها. قام محققون من الجنرال بريجهام وموظفون في مستشفى بوسطن للأطفال ومركز دانا فاربر/مركز سرطان الأطفال واضطرابات الدم في بوسطن بتدريب خوارزميات التعلم العميق لاستخدام تكنولوجيا الدماغ التسلسلية لتحليل فحوصات الدماغ بعد العلاج لتحديد المرضى المعرضين لخطر تكرار الإصابة بالسرطان. سيتم نشر نتائجك فيمجلة نيو إنجلاند للطب الذكاء الاصطناعي.

يمكن علاج العديد من الأورام الدبقية لدى الأطفال بالجراحة وحدها، ولكن عند حدوث الانتكاسات يمكن أن تكون مدمرة. من الصعب جدًا التنبؤ بمن قد يتكرر. ولذلك، سيخضع المرضى لمتابعة متكررة باستخدام التصوير بالرنين المغناطيسي (MR) لسنوات عديدة، وهي عملية يمكن أن تكون مرهقة ومؤلمة للأطفال والعائلات. نحن بحاجة إلى أدوات أفضل لتحديد المرضى الأكثر عرضة لخطر تكرار المرض مبكرًا. "

بنجامين كان، دكتوراه في الطب، ومؤلف برنامج الذكاء الاصطناعي في الطب (AIM) في ماس جنرال بريجهام وقسم علاج الأورام بالإشعاع في مستشفى بريجهام والنساء

قد تواجه الدراسات المتعلقة بالأمراض النادرة نسبيًا، مثل سرطانات الأطفال، تحديًا بسبب البيانات المحدودة. أفادت هذه الدراسة، التي تمولها جزئيًا المعاهد الوطنية للصحة، عن شراكات مؤسسية في جميع أنحاء البلاد لجمع ما يقرب من 4000 صورة بالرنين المغناطيسي من 715 مريضًا من الأطفال. ولتعظيم ما يمكن أن "يتعلمه" الذكاء الاصطناعي من فحوصات دماغ المريض والتنبؤ بتكرار المرض بشكل أكثر دقة، استخدم الباحثون تقنية تسمى التعلم الزمني، والتي تقوم بتدريب النموذج على تجميع النتائج من فحوصات الدماغ المتعددة التي تم إجراؤها على مدار بضعة أشهر بعد الجراحة.

عادةً، يتم تدريب نماذج الذكاء الاصطناعي للتصوير الطبي لاستخلاص النتائج من عمليات الفحص الفردية. وباستخدام التعلم الزمني، الذي لم يتم استخدامه سابقًا في أبحاث الذكاء الاصطناعي للتصوير الطبي، فإن الصور مع مرور الوقت تُعلم تنبؤ الخوارزمية بتكرار الإصابة بالسرطان. لتطوير نموذج التعلم الزمني، قام الباحثون أولاً بتدريب النموذج على تسلسل فحوصات الرنين المغناطيسي للمريض بعد الجراحة بترتيب زمني حتى يتمكن النموذج من تعلم اكتشاف التغييرات الطفيفة. ومن هناك، قام الباحثون بضبط النموذج لربط التغييرات بشكل صحيح، إذا لزم الأمر، مع تكرار الإصابة بالسرطان لاحقًا.

في النهاية، وجد الباحثون أن نموذج التعلم الزمني تنبأ بتكرار الورم الدبقي منخفض أو عالي الدرجة بعد عام واحد من العلاج بدقة تتراوح بين 75 و89%، وهو أفضل بكثير من الدقة باستخدام التنبؤات المستندة إلى صور فردية، والتي كانت 50% تقريبًا (ليس أفضل من الصدفة). أدى تزويد الذكاء الاصطناعي بصور من نقاط زمنية إضافية بعد العلاج إلى زيادة الدقة التنبؤية للنموذج، ولكن كانت هناك حاجة إلى أربع إلى ست صور فقط قبل تطبيق مستوى التحسين هذا.

ويحذر الباحثون من أن هناك حاجة إلى مزيد من التحقق من الصحة من خلال إعدادات إضافية قبل الاستخدام السريري. وفي نهاية المطاف، يأملون في إطلاق تجارب سريرية لتحديد ما إذا كانت تنبؤات المخاطر المبنية على الذكاء الاصطناعي يمكن أن تؤدي إلى تحسينات في الرعاية - سواء عن طريق تقليل تكرار التصوير للمرضى الأقل خطورة أو العلاج الوقائي للمرضى المعرضين للخطر الشديد باستخدام علاجات مساعدة مستهدفة.

قال المؤلف الأول Divyanshu Tak، MS، من برنامج AIM في Mass General Brigham وقسم علاج الأورام بالإشعاع في Brigham: "لقد أظهرنا أن الذكاء الاصطناعي قادر على تحليل وعمل التنبؤات الحالية من صور متعددة، وليس فقط عمليات مسح واحدة". "يمكن تطبيق هذه التقنية في العديد من الأماكن حيث يتلقى المرضى تصويرًا تسلسليًا وطوليًا، ونحن متحمسون لرؤية ما سيلهمه هذا المشروع."

مصادر: