تشخیص سرطان سینه با کامپیوتر

حدود هشت دهه قبل آسیب‌شناسان، تومورها را بصورت بصری بررسی می‌کردند و براساس اندازه به آنها نمره می‌دادند.

این نمرات به دکترها کمک می‌کرد تا نوع و شدت سرطان را ارزیابی کرده و براین اساس، روش درمان مربوط به هر بیمار را انتخاب کنند.

اکنون دانشمندان کامپیوتر دانشکده مهندسی استنفورد به همراه آسیب‌شناسان دانشکده پزشکی همان دانشگاه با استفاده از روش‌های کامپیوتری توانسته‌اند تصاویر میکروسکوپیک مربوط به سرطان سینه را تحلیل کنند.

محققان به این مدل کامپیوتری نام آسیب‌شناس محاسباتی یا C-Path داده‌اند؛ روشی مبتنی بر یادگیری ماشین که به شکل خودکار تصاویر بافت‌های سرطانی را بررسی و درصد زنده ماندن بیمار را پیش‌بینی می‌کند.

در این روش، محققان از تصاویر بافت‌های نمونه در بیمارانی با علائم شناخته شده استفاده کردند.

کامپیوتر به مطالعه دقیق عکس‌های گرفته شده از این بافت‌ها پرداخته و ساختارهای متفاوت تومور را اندازه‌گیری می‌کند، سپس با استفاده از این ساختارها درصد زنده ماندن بیمار را پیش‌بینی می‌کرد.

با مقایسه اطلاعات به دست آمده و یادگیری از بررسی‌های قبلی، ماشین می‌فهمد که بیشتر به چه مشخصه‌هایی از بیماری برای پیش‌بینی درصد زنده ماندن بیمار تکیه کند.

مدت‌های مدیدی در علم پزشکی از سه خصوصیت برای تشخیص سلول‌های سرطان سینه استفاده می‌شد؛ اول این‌که چند درصد تومورها از سلول‌های تیوب مانند تشکیل شده است، دوم بررسی تنوع هسته در سلول‌های مخاطی تومور و سوم فرکانس تقسیم سلول یا همان فرآیند میتوز.

این سه فاکتور زیر میکروسکوپ مورد بررسی قرار می‌گرفت و براساس نمره اختصاص یافته به هر یک از آنها، بیماران به لحاظ درصد زنده ماندن به سه دسته مختلف تقسیم می‌شدند.

آسیب‌شناسان طی آموزش‌هایی یاد می‌گرفتند چگونه ساختارهای خاص سلولی را ارزیابی و بیماران را به لحاظ شدت بیماری طبقه‌بندی کنند.در این میان، بسیاری از خصوصیات مهم تومورها نادیده گرفته می‌شد.

اما اکنون با استفاده از برنامه کامپیوتری C-Path هزاران فاکتور دیگر علاوه بر موارد فوق مورد بررسی قرار می‌گیرد تا مهم‌ترین آنها در پیش‌بینی درصد زنده ماندن افراد تعیین شود. در واقع این برنامه 6642 فاکتور سلولی را مورد ارزیابی قرار می‌دهد.

نتایج مقایسه حاصل از این روش با ارزیابی به روش قدیم، نشان از پیشرفت آماری قابل توجه این روش دارد. روش کامپیوتری جدید خصوصیات ساختاری بیشتری نسبت به سه خصوصیت شناخته شده در روش قدیم را تشخیص می‌دهد.

در واقع این برنامه علاوه بر کشف خصوصیات سلول‌های سرطانی، محیط اطراف آنها را که تحت عنوان بافت‌های بنیادی شناخته می‌شوند هم بررسی می‌کند.

بافت‌های بنیادی که فضای بین سلول‌های سرطانی را شامل می‌شود، کمک بسیاری به پیش‌بینی پزشکان می‌کند.

محققان به‌دنبال روش‌هایی هستند تا با ایجاد تعامل بین انسان و کامپیوتر به نتایج و پیش‌بینی‌های دقیق‌تری در درمان میلیون‌ها فرد مبتلا به سرطان سینه در جهان برسند.

دافنی کولر، یکی از متخصصان برجسته علوم کامپیوتری معتقد است اگر بتوان با نشان دادن نمونه‌ای از تومورهای سرطانی به کامپیوترها از آنها در پیش‌بینی نوع بیماری و درصد زنده ماندن بیماران کمک گرفت، چرا این کار را نکنیم.

sciencedaily - مترجم: آتنا حسن‌آبادی