پیش‌بینی تومور کودکان با دقت بی‌سابقه توسط هوش مصنوعی

دانشمندان آمریکایی سامانه‌ای مبتنی بر هوش مصنوعی توسعه داده‌اند که با تحلیل اسکن‌های MRI متوالی، احتمال بازگشت تومور مغزی (گلیوما) در کودکان را پیش‌بینی می‌کند.

این سامانه، که با همکاری بیمارستان ماساچوست، بیمارستان کودکان بوستون، و مرکز سرطان دانا-فاربر طراحی شده، از رویکرد نوین «یادگیری زمانی» استفاده می‌کند.

این روش با بررسی تغییرات در اسکن‌های مغزی پس از درمان، علائم اولیه عود تومور را با دقت ۷۵ تا ۸۹ درصد تا یک سال پس از جراحی شناسایی می‌کند، که می‌تواند نیاز به تصویربرداری‌های مکرر و اضطراب خانواده‌ها را کاهش دهد.

این فناوری با تحلیل ۴۰۰۰ اسکن MRI از ۷۱۵ کودک، الگوهای پنهانی را که ممکن است از چشم پزشکان دور بماند، تشخیص می‌دهد. برخلاف روش‌های سنتی که اسکن‌های منفرد را بررسی می‌کنند، یادگیری زمانی تغییرات تدریجی را در طول زمان رصد می‌کند و دقت پیش‌بینی را افزایش می‌دهد.

محققان امیدوارند با آزمایش‌های بالینی، اثربخشی این سامانه تأیید شود تا با کاهش تصویربرداری برای کودکان و مداخله زودهنگام برای موارد پرخطر، مراقبت‌های پزشکی بهبود یابد.

این پیشرفت نویدبخش کاربردهای گسترده‌تر هوش مصنوعی در تصویربرداری پزشکی است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.