استفاده از هوش مصنوعی: راهی برای جلوگیری از انجام درمان‌های غیرضروری برای بیماران سرطان پستان
یکی از ابزارهای هوش مصنوعی (AI) برای اولین بار، با ادغام الگوی سلول‌های سرطانی و غیرسرطانی و ایجاد روشی دقیق‌تر برای پیش‌بینی نتایج بیماران، ممکن است بتواند مبتلایان به سرطان پستان را از انجام درمان‌های شیمی‌درمانی غیرضروری در امان نگه دارد.
امروزه روشی که عمدتا مورداستفاده قرار می‌گیرد و از سال‌ها پیش تا حد زیادی بدون تغییر باقی‌مانده است، این است که پاتولوژیست با بررسی سلول و بافت سرطانی، میزان غیرطبیعی بودن آن را ارزیابی می‌کند. این فرایند که درجه‌بندی (Grading) نام دارد، به ظاهر سلول‌های سرطانی توجه می‌کند و سپس از ارزیابی و درجه‌ای که پاتولوژیست برای بافت سرطانی مشخص می‌کند، برای انتخاب روش درمانی بیمار استفاده می‌شود.
اما باید توجه داشت که الگوی سلول‌های طبیعی و غیرسرطانی بدن نیز بر پیش‌بینی نتیجه‌ی درمان، تاثیر مهمی می‌گذارند. بسیاری از مطالعات زیست‌شناسی سرطان پستان نشان داده‌اند که سلول‌های غیرسرطانی، از جمله سلول‌های دستگاه ایمنی و سلول‌هایی که شکل و ساختار بافت را فراهم می‌کنند، می‌توانند نقش مهمی در حفظ یا مهار رشد سرطان داشته باشند.
بنابراین برخلاف روش‌های سنتی، ارزیابی‌هایی که هوش مصنوعی از بافت بیمار انجام می‌دهد، نسبت به ارزیابی‌هایی که توسط پاتولوژیست متخصص انجام می‌شود، بهتر می‌تواند سیر آینده‌ی بیماری فرد را پیش‌بینی کند.
همچنین این ابزار توانسته بیمارانی که در دسته‌ی افراد با خطر بالا یا متوسط هستند و در عین حال، زنده‌مانی طولانی‌مدتی دارند، شناسایی کند و بدین‌گونه، شدت یا مدت شیمی‌درمانی این افراد می‌تواند کاهش پیدا کند. این مسئله مهم است زیرا شیمی‌درمانی با عوارض جانبی ناخوشایند و مضر، مانند حالت تهوع یا به ندرت، آسیب قلبی همراه است.
لی کوپر، نویسنده‌ی مسئول مقاله، استادیار پاتولوژی در دانشکده‌ی پزشکی فاینبرگ دانشگاه نورث وسترن، می‌گوید:” مطالعه‌ی ما اهمیت اجزای غیرسرطانی را در تعیین نتیجه‌ی بیمار نشان می‌دهد. البته اهمیت این عناصر از مطالعات بیولوژیکی گذشته مشخص شده بود، اما از این دانش به طور موثر برای منظور بالینی، استفاده نشده بود.”
این اولین مطالعه‌ای است که از هوش مصنوعی برای ارزیابی جامع عناصر سرطانی و غیرسرطانی سرطان پستان مهاجم استفاده می‌کند. در واقع کوپر و همکارانش یک مدل هوش مصنوعی به منظور ارزیابی بافت سرطان پستان از تصاویر دیجیتالی ساخته‌اند که ظاهر سلول‌های سرطانی و غیرسرطانی و همچنین تعاملات بین این سلول‌ها را بررسی می‌کند.
کوپر همچنین اضافه می‌کند:” ارزیابی این الگوها برای پاتولوژیست چالش برانگیز است، زیرا دسته‌بندی مطمئن آن‌ها برای چشم انسان دشوار است. در عوض، مدل هوش مصنوعی این الگوها را اندازه‌گیری می‌کند و اطلاعات را به گونه‌ای به پاتولوژیست ارائه می‌دهد که فرآیند تصمیم‌گیری هوش مصنوعی را برای او روشن می‌کند.”
سیستم هوش مصنوعی، 26 ویژگی مختلف بافت پستان بیمار را تجزیه و تحلیل می‌کند تا یک امتیاز کلی برای پیش‌آگهی ایجاد کند. این سیستم همچنین امتیازهای جداگانه‌ای را برای سلول‌های سرطانی، ایمنی و استرومایی در نظر می‌گیرد تا امتیاز کلی را برای آسیب‌شناس توضیح دهد. به‌عنوان‌مثال، در برخی از بیماران، امتیاز پیش‌آگهی مطلوب ممکن است به‌دلیل ویژگی‌های سلول‌های ایمنی آن‌ها باشد، درحالی‌که برای برخی دیگر ممکن است به‌دلیل ویژگی‌های سلول‌های سرطانی آن‌ها باشد. این اطلاعات می‌تواند توسط تیم مراقبتی بیمار، در ایجاد یک برنامه‌ی درمانی شخصی‌سازی شده استفاده شود.
کوپر گفت که استفاده از این مدل جدید می‌تواند به بیماران مبتلا به سرطان پستان، تخمین دقیق‌تری از خطر مرتبط با بیماری‌شان ارائه دهد و آن‌ها را قادر سازد تا در مورد مراقبت‌های بالینی خود آگاهانه تصمیم بگیرند.
علاوه بر این، این مدل ممکن است به ارزیابی پاسخ درمانی کمک کند و بسته به اینکه ظاهر میکروسکوپی بافت در طول زمان چگونه تغییر می‌کند، مشخص کند که آیا درمان باید تشدید شود یا خیر. به‌عنوان‌مثال، این ابزار ممکن است قادر به تشخیص اثربخشی دستگاه ایمنی بیمار در هدف قرار دادن سرطان در طول شیمی‌درمانی باشد، که این اتفاق می‌تواند منجر به کاهش مدت یا شدت شیمی‌درمانی شود.
کوپر همچنین اظهار امیدواری کرد که این مدل بتواند به افرادی که در جوامع متوسط هستند و به پاتولوژیست متخصص سرطان پستان دسترسی ندارند، کمک کند تا با مراجعه به پاتولوژیست عمومی و استفاده از این مدل هوش مصنوعی، وضعیت بیماری خود را ارزیابی کنند.
Journal Reference:
Mohamed Amgad, et .al. A population-level digital histologic biomarker for enhanced prognosis of invasive breast cancer. Nature Medicine, 2023; DOI: 10.1038/s41591-023-02643-7
Page citation:
Northwestern University. “AI may spare breast cancer patients unnecessary treatments.” ScienceDaily. ScienceDaily, 27 November 2023. <www.sciencedaily.com/releases/2023/11/231127132438.htm>.