فهرست مطالب
تشخیص سرطان تیروئید با تصویربرداری فتوآکوستیک
یک تیم تحقیقاتی برای طبقه بندی سرطان تیروئید
تصویربرداری فتوآکوستیک/اولتراسوند با استفاده از یادگیری ماشینی انجام می دهد.
تیروئید یک غده است که هورمون هایی تولید می کند
که به کنترل بسیاری از عملکردهای حیاتی بدن مانند رشد و تکامل جسمی و عصبی،
عملکرد طبیعی مغز و سیستم عصبی، حفظ دمای بدن،
تولید انرژی و سوخت و ساز و…کمک می کند. بنابراین
هنگامی که تیروئید به درستی کار نمی کند ، می تواند بر کل بدن تأثیر منفی بگذارد.
کدام بخش تیروئید در تشخیص سرطان مربوط است؟
از کل گره های تیروئید به عنوان سرطان تیروئید تشخیص داده می شوند. سرطان تیروئید به سادگی و در زمان کوتاهی قابل تشخیص است
و به علت میزان عود کم آن و درمان های ساده تر، میزان مرگ و میر در این بیماری کم است ، بنابراین تشخیص و درمان به موقع آن بسیار مهم است.
اخیراً یک تیم تحقیقاتی مشترک در کره روش جدید غیرتهاجمی را برای تشخیص تومور های تیروئیدی
از سرطان با ترکیب فناوری تصویر فتوآکوستیک (PA) و سونوگرافی با هوش مصنوعی پیشنهاد کرده است.
تیم تحقیقاتی مشترک (متشکل از پروفسور (Chulhong Kim) و (Dr. Byullee)
از گروه مهندسی برق POSTECH ، گروه مهندسی فناوری اطلاعات و گروه مهندسی مکانیک،
پروفسور (Dong-Jun Lim) و پروفسور (Jeonghoon Ha) از بیمارستان سئول St. Mary دانشگاه کاتولیک کره
و پروفسور (Jeesu Kim) از دانشگاه ملی Pusan ) تحقیقاتی را برای
به دست آوردن تصاویر PA از بیماران مبتلا به تومور های بدخیم و خوش خیم انجام دادند
و آنها را با هوش مصنوعی تجزیه و تحلیل کردند و یافته های این مطالعات در مجله Cancer Research منتشر شده است.
تشخیص سرطان با چه روشی امکان پذیر است؟
در حال حاضر ، تشخیص تومور تیروئید با استفاده از بیوپسی آسپیراسیون
با سوزن ظریف (FNAB) با استفاده از تصویر سونوگرافی انجام می شود.
اما در حدود 20٪ از نتایج حاصل از FNAB نادرست است که منجر به بیوپسی های تکراری و غیرضروری می شود.
برای غلبه بر این مشکل ، تیم تحقیقاتی مشترک استفاده از تصویربرداری PA
برای به دست آوردن سیگنال اولتراسونیک تولید شده توسط نور را پیشنهاد کرده اند.
هنگامی که نور (لیزر) بر روی گره تیروئید بیمار تابانده می شود ،
یک سیگنال سونوگرافی به نام سیگنال PA از غده تیروئید و گره تولید می شود.
با دستیابی و پردازش این سیگنال ، تصاویر PA از غده و گره جمع آوری می شود. در این زمان ،
در صورت به دست آمدن سیگنال های چند طیفی PA ، می توان میزان اکسیژن اشباع از غده و گره را محاسبه کرد.
وضعیت اشباع اکسیژن در تیروئید بیمار چگونه است؟
محققان به این واقعیت رسیده اند که میزان اشباع اکسیژن تومور های بدخیم کمتر از گره های طبیعی است
و تصاویر PA را از بیماران مبتلا به تومور های بدخیم تیروئید (23 بیمار)
و کسانی که دارای تومور های خوش خیم هستند (29 بیمار) به دست آوردند.
با انجام تصویربرداری چند مرحله ای PA بر روی گره های تیروئید بیمار ،
محققان پارامترهای مختلفی از جمله سطح اشباع اکسیژن هموگلوبین را در ناحیه گره محاسبه کردند.
این مورد با استفاده از تکنیک های یادگیری ماشین برای طبقه بندی موفقیت آمیز و خودکار بدخیمی
یا خوش خیم بودن تومور تیروئید مورد تجزیه و تحلیل قرار گرفت.
در طبقه بندی اولیه ، حساسیت به طبقه بندی نوع بدخیم 78٪ و خوش خیم 93٪ بود.
با مقایسه نتایج حاصل از تجزیه و تحلیل PA به دست آمده توسط تکنیک های یادگیری ماشین در تجزیه و تحلیل دوم با نتایج معاینه اولیه
بر اساس تصاویر سونوگرافی که به طور معمول در بیمارستان ها استفاده می شود ،
باز هم تأیید شد که تومور های بدخیم تیروئید را می توان با حساسیت 83٪ و اختصاصیت 93٪ تشخیص داد.
با یک گام فراتر رفتن ، هنگامی که محققان در تجزیه و تحلیل سوم حساسیت را در 100٪ نگه داشتند،
این خصوصیت به 55٪ رسید. این حدود سه برابر بیشتر از ویژگی 17.3
(حساسیت 93 درصد) بررسی اولیه گره های تیروئید با استفاده از سونوگرافی معمولی بود.
نتیجه
در نتیجه ، احتمال تشخیص صحیح تومور های خوش خیم بیش از سه برابر افزایش یافته است ،
و آزمایش های تشخیصی مکرر و غیر ضروری از بیماران تیروئیدی و در نتیجه هزینه های بیش از حد پزشکی به شکل چشم گیری کاهش می یابد.
پروفسور Chulhong Kim از POSTECH اظهار داشت: “این مطالعه از این نظر مهم است که اولین بار است که تصاویر فتوآکوستیک از نودول های تیروئید را بدست می آید
و تومور های بدخیم با استفاده از تکنیک یادگیری ماشین طبقه بندی می شوند.”
“این روش علاوه بر به حداقل رساندن نمونه برداری های غیرضروری در بیماران مبتلا به سرطان تیروئید ،
می تواند در انواع دیگر سرطان ها از جمله سرطان پستان نیز انجام شود.”
رفرنس : https://www.sciencedaily.com/releases/2021/07/210709104241.htm
نویسنده:محمدسپهر حکمی
ویراستار:مونا اکبری احمدآبادی
یک نظر