فاطمه طاهری در گفتگو با خبرنگار مهر ، اظهار کرد: با توجه به استفاده روزافزون از هوش مصنوعی در زمینههای مختلف تصمیم گرفته شد تا پژوهشی با استفاده از این دانش در بخش پاتولوژی بیمارستان آیتالله کاشانی شهرکرد انجام شود.
وی افزود: در این پژوهش سعی شد، نرمافزاری بر بستر هوش مصنوعی برای تشخیص سرطان پروستات طراحی شود.
هیأت علمی پاتولوژی دانشکده پزشکی دانشگاه علوم پزشکی شهرکرد هدف از انجام این پژوهش را افزایش دقت و سرعت تشخیص سرطان پروستات دانست و ادامه داد: همانطور که تحقیقات نشان داده است، سرطان پروستات شایعترین نوع در میان مردان است.
طاهری عنوان کرد: برای انجام این پژوهش در ابتدا تعداد قابل توجهی تصویر از بافتهای سرطانی و غیر سرطانی پروستات که در بخش پاتولوژی بیمارستان آیتالله کاشانی موجود بود، تهیه شد.
وی خاطرنشان کرد: حدود ۴۰۰ تصویر از بافت سرطانی پروستات و حدود ۱۰۰ تصویر از بافت غیر سرطانی تهیه و در مرحله بعد تصاویر به دقت برچسب گذاری شد، بدین معنی که ویژگیهای هر تصویر که نشان دهنده تومورال بودن یا غیر تومورال بودن بود، مشخص شد، یعنی برای هر تصویر تعیین شد که در هر قسمت از تصویر چه ویژگی نشاندهنده تومور است، بعد از برچسبگذاری تصاویر در مرحله بعد، تصویرها مورد پردازش و در نهایت مدل طراحی شده مورد راستیآزمایی قرار گرفت و توانست به دقت و صحت حدود ۹۰ درصد دست پیدا کند، یعنی با دقت بالایی توانست نمونههای سرطانی را از غیر از سرطانی تفکیک کند.
وی تاکید کرد: نتایجی که در این پژوهش کسب شد نشان داد که هوش مصنوعی مدل طراحی شده در مورد سرطان پروستات توانایی قابل توجهی در تفکیک بین نمونههای سرطانی و غیر سرطانی دارد، همچنین این مدل هوش مصنوعی موفق شد با دقت نسبتاً بالایی امتیاز گیلیسون که یک سیستم درجهبندی برای سرطان پروستات است را تخمین بزند.
هیأت علمی پاتولوژی دانشکده پزشکی دانشگاه علوم پزشکی شهرکرد تصریح کرد: دستاورد دیگری که در قالب این پژوهش بدست آمد این بود که توانستیم یک دیتاست اختصاصی نسبتاً بزرگ در مورد سرطان پروستات ویژه بخش پاتولوژی در بیمارستان آیتالله کاشانی تهیه کنیم، این تصاویر متعدد و زیاد از قسمتهای مختلف سرطان پروستات میتواند برای پژوهشهای بعدی مورد استفاده قرار گیرد.
طاهری یادآور شد: مدل یاد شده در خصوص سرطان مثانه نیز مورد استفاده قرار گرفت، برای این مدل هوش مصنوعی برای تشخیص سرطان مثانه، مجدداً ۱۶۰ تصویر از سرطان مثانه با گرید بالا و ۶۰۰ تصویر با گرید پایین تهیه شد و همه تصاویر برچسبگذاری و ویژگیهای آن مشخص شد.
مسئول فنی آزمایشگاه و پاتولوژی بیمارستان آیتالله کاشانی افزود: این مدل هوش مصنوعی که برای تشخیص سرطان مثانه طراحی شد نیز دقت بالایی داشت، حدود ۸۵ درصد میتوانست سرطان مثانه را از مواردی که سرطان نبود تشخیص دهد، همچنین سرطانهای گرید بالا و گرید پایین را نیز از هم مجزا کند.
وی ادامه داد: درمجموع این پژوهشها میتواند نشان دهنده این باشد که هوش مصنوعی یک ابزار کارآمد برای تشخیص بیماریها به ویژه سرطان باشد.
