مطالعه: ابزار هوش مصنوعی در راهنمایی جراحان در درمان تومور مغزی انقلابی است
یک ابزار هوش مصنوعی به منظور کمک به پزشکان در مقابله با تومورهای انتشاری مغزی به وجود آمده است. این ابزار به شناسایی ویژگی‌های حیاتی که در هنگام جراحی راهنمایی می‌کننده است کمک میکند.
Cryosection Histopathology Assessment and Review Machine (CHARM) یک ابزار پیشرفته است که تصاویر را به طور کارآمدی تحلیل کرده و نمودار ژنتیکی گلیوم‌ها، نوعی تومور انتشاری مغزی را شناسایی میکند. در حال حاضر، این فرآیند معمولاً چند روز یا هفته طول می‌کشد. کون-هسینگ یو، نویسنده اصلی گزارشی که در تاریخ ۷ ژوئیه در مجله Med منتشر شده است، توضیح داد که جراحان برای هدایت عملیات‌هایشان به تشخیص‌های دقیق نیاز دارند.
اگرچه دقت این ابزار ممکن است با آزمون‌های ژنتیکی کنونی همخوانی نداشته باشد، اما توانایی توقع نمودار تومور را به سرعت پیش‌بینی میکند. این تجزیه و تحلیل سریع به پزشکان امکان ادامه درمان مناسب را بدون نیاز به برنامه‌ریزی و انجام عملیات جراحی اضافی می‌دهد و زمان با ارزش را صرفه‌جویی میکند.
علاوه بر این، CHARM قادر است بین سلول‌های تومور خبیث و خوش‌خیم تمایز قائل شود و درجه تومور را که نشان‌دهنده میزان تهاجم آن است تعیین کند. این تشخیصاتی هستند که معمولاً در جراحان پاتولوژیستان انسانی در حین عمل انجام می‌شود. با این حال، طبق گفته یو، CHARM می‌تواند نیاز به انتظار ۱۰ تا ۱۵ دقیقه یا حضور یک پاتولوژیست در طی عمل را از بین ببرد.
گلیوما، به ویژه زیرنوع تهاجمی آن که به گلیوبلاستوما معروف است، تهدید قابل توجهی را به خود می‌بالاند و در صورت عدم درمان، ممکن است در کمتر از شش ماه به مرگ منتهی شود. متأسفانه، طبق گزارش انجمن جراحان عصبی آمریکا، تنها ۱۷٪ از افرادی که تشخیص گلیوبلاستوما را دریافت می‌کنند، بیش از دو سال زنده می‌مانند.
یو و تیمش یک الگوریتم یادگیری ماشین را با استفاده از تصاویر نمونه‌های جراحی مغز آموزش داده و دقت آن را با تشخیص بیمار مقایسه کردند. CHARM عملکرد برتری در شناسایی نمودارهای ژنتیکی تومور نسبت به سایر سیستم‌های هوش مصنوعی نشان داد.
در هنگام تصمیم‌گیری‌های حیاتی درباره میزان برداشت بافت و استفاده احتمالی از وافره‌های پوشش دار شده با دارو در درمان تومورهای گلیوما، جراحان به طور قوی به نمودار ژنتیکی تومور وابسته هستند. متأسفانه، در حال حاضر به دست آوردن این اطلاعات یک فرایند زمان‌بر است.
تحقیقی که توسط یو و تیمش انجام شده است، در بهبود تشخیص و درمان سرطان با استفاده از هوش مصنوعی به طور جامعی کمک میکند.
