محققان در یک دانشگاه آلمانی یک مدل هوش مصنوعی ابداع کرده اند که قادر به ردیابی بیش از ۱۷۰ نوع تومور سرطانی با دقت بالا است.

به گزارش فیز، ام آر آی تومور مغزی را در مکانی نامناسب نشان می‌دهد و بیوپسی مغز برای بیماری که به دلیل دوبینی به پزشک مراجعه کرده است، خطرات زیادی را به همراه خواهد داشت. شرایطی مشابه این موارد سبب شده‌اند محققان دانشگاه پزشکی شاریته برلین روش‌های تشخیصی جدید را بررسی کنند و نتیجه حاصل یک مدل هوش مصنوعی قادر به شناسایی تومورهای سرطانی است.

در این مدل از ویژگی‌های خاص موجود در ماده ژنتیکی تومورها یعنی ردپای اپی ژنیک آنها که به‌عنوان‌مثال از مایع مغزی – نخاعی به دست می‌آید، استفاده می‌شود. محققان در تحقیقی که در ژورنال «نیچر کنسر» منتشر شده، نشان داده‌اند مدل هوش مصنوعی جدید تومورها را به‌سرعت و با دقت بالا طبقه‌بندی می‌کند.

امروزه تعداد تومورهای شناخته شده در اعضای مختلف بدن بسیار زیاد هستند و هر تومور ویژگی‌های خاص خود را دارد. همچنین درمان هر بیماری به طور جداگانه به نوع تومور بستگی دارد.

درمان‌های هدفمند و جدید سلول‌های ساختاری خاصی از تومور را هدف می‌گیرند یا مسیرهای سیگنال‌دهی آنها را برای متوقف کردن رشد بافت پاتولوژیکی مسدود می‌کند. شیمی‌درمانی را می‌توان بر اساس نوع تومور انتخاب و دوز آن را مشخص کرد.

در همین راستا روشی برای دسته‌بندی تومورهای مغزی ابداع شده که بر اساس روش‌های تشخیصی میکروسکوپی نیست بلکه مبتنی بر اصلاحات ماده ژنتیک تومور یا ویژگی‌های اپی ژنیک است. ویژگی های مذکور بخشی از حافظه هر سلول هستند و تعیین می‌کنند کدام بخش از اطلاعات ژنتیک بررسی شده‌اند و چه زمان این اتفاق افتاده است.

دکتر فیلیپ اسکیرچن محقق این پژوهش می‌گوید: هزاران اصلاح اپی ژنیک به عنوان سوئیچ‌های روشن و خاموش برای بخش‌های جداگانه ژن کار می‌کنند. این الگوها مربوط به یک ردپای خاص هستند. اطلاعات اپی ژنیک در سلول‌های تومور به شیوه‌ای خاص تغییر یافته اند. ما بر اساس پروفایل آنها می‌توانیم بین تومورها و دسته‌بندی‌شان تمایز ایجاد کنیم.

در خصوص تومورهای مغزی حتی نمونه‌ای از مایع مغزی نخاعی در برخی موارد برای شناسایی نوع آن کافی است و می‌توان آن را به‌راحتی بدون نیاز به جراحی به دست آورد. برای مقایسه ردپای ناشناخته با هزاران تومور شناخته شده سرطانی و دسته‌بندی‌کردن آنها، باید به یادگیری ماشینی داده‌هایی ارائه کرد که به طور معمول به تعریف الگوها و بخش‌های خاص ژن مرتبط است که به نوع خاصی از تومور مرتبط است.

دکتر سورن لوکاسن دیگر محقق این پژوهش در همین زمینه می گوید: بنابراین هدف ما توسعه مدلی بود که به طور دقیق تومورها را دسته بندی کند حتی اگر آنها براساس بخش هایی از کل اپی ژنوم کل تومور یا پروفایل هایی باشند که با روش های مختلف جمع آوری شده باشند.

مدل هوش مصنوعی جدید که crossNN نام دارد ساختاری مشابه یک شبکه عصبی ساده دارد. این مدل بر اساس تعداد زیادی از تومورهای مرجع ساخته شده و روی پنج هزار تومور آزمایش شد. این مدل به تشخیص بسیار دقیق تومورهای مغزی در ۹۹.۱ درصد تمام موارد منجر می‌شود و بسیار کارآمدتر از روش‌های مبتنی بر هوش مصنوعی فعلی است. همچنین این مدل با همین روش آموزش یافت تا بین ۱۷۰ نوع تومور در تمام اعضای بدن تمایز قائل شود و به‌دقت ۹۷.۸ درصد در شناسایی آنها دست‌یافت. این بدان معناست که می‌توان آن را برای سرطان اعضای مختلف بدن و تومورهای نادر مغزی به کاربرد.