معرفی نویسنده

سارا فیاض زاده

دانشجوی دکترا بیوفیزیک(دانشگاه تربیت مدرس)

تشخیص زودهنگام علائم از بین رفتن تومور سرطانی به کمک MRI و استفاده از هوش مصنوعی

تشخیص زودهنگام علائم از بین رفتن تومور سرطانی به کمک MRI و استفاده از هوش مصنوعی

در مطالعۀ اخیر که توسط یک گروه تحقیقاتی به رهبری پژوهشگران بیمارستان عمومی ماساچوست انجام و در ژورنال Nature Biomedical Engineering منتشر شده است، نشان داده شده است که تصویربرداری رزونانس مغناطیسی (MRI) و هوش مصنوعی (AI) می‌توانند برای تشخیص نشانه‌های زودهنگام مرگ سلول‌های توموری در پاسخ به درمان نوین سرطان با استفاده از ویروس مورد استفاده قرار گیرد.

به تازگی، یک روش ویروس درمانی جدید که به صورت انتخابی سلول‌های سرطانی را از بین می‌برد درحالی که به سلول‌های سالم آسیبی وارد نمی‌کند، نوید بخش معالجۀ تومورهای مغزی تهاجمی شده است. برای بهبود این روش درمانی مبتنی بر ویروس، بررسی مکرر پاسخ به درمان به روش‌های غیرتهاجمی، الزامی است. این فرایند نظارتی برای درک تعامل بین ویروس‌ و سلول‌های سرطانی، مانند نحوه و میزان گسترش ویروس در بافت تومور و پاسخ‌های درمانی بسیار مهم است. پژوهشگران از تصاویر MRI مولکولی کمی برای اندازه‌گیری ویژگی‌های بافت که با مرگ سلولی تغییر می‌کنند، مانند pH و غلظت پروتئین استفاده کردند. این روش باعث می‌شود بررسی و نظارت بر پاسخ به درمان بسیار زودتر از تکنیک‌های قبلی صورت پذیرد. با این روش پاسخ به درمان تنها 48 ساعت پس از درمان ویروسی و مدت‌ها پیش از اینکه تغییری در حجم تومور ایجاد شود قابل مشاهده بود. Christian Farrar، پژوهشگر و عضو هیئت علمی مرکز تصویربرداری زیست پزشکی Athinoula A. Martinos، این گونه توضیح می‌دهد: "ما یک اسکنر MRI را برای ایجاد سیگنال‌های منحصر به فرد یا به اصطلاح "اثر انگشت" ترکیبات مولکولی مختلف و pH سلولی برنامه‌ریزی کردیم. پس از آن یک شبکه یادگیری عمیق برای رمزگشایی این "اثر انگشت" و ایجاد نقشه‌های مولکولی و pH مورد استفاده قرار گرفت. روش اثر انگشت مولکولی حاصل از MRI در مطالعۀ تومور مغزی موش که در آن تومورها با درمان جدید مبتنی بر ویروس معالجه شده بودند، مورد تایید قرار گرفته است.

برای به حداکثر رساندن کارایی این روش درمانی، پژوهشگران روشی برای تشخیص مرگ سلول‌های توموری به وسیلۀ ویروس ایجاد کردند. این روش امکان تشخیص سریع و زودهنگام مناطق توموری که به درمان پاسخ داده‌اند را فراهم می‌کند. اخیرا، پژوهشگران از این روش برای اندازه‌گیری pH سلولی و ترکیبات مولکولی در مغز انسان سالم استفاده کرده‌اند. بررسی‌ این روش در بیماران تومور مغزی (انسانی) در آینده، به بهینه‌سازی درمان‌های مبتنی بر ویروس کمک شایانی می‌کند.

به گفتۀ Perlman، یکی از پژوهشگران مرکز تصویربرداری زیست پزشکی Athinoula A. Martinos، این مطالعه نشان دهندۀ قدرت و نویدبخش بودن تکنولوژی کامپیوتری مبتنی بر هوش مصنوعی در پزشکی برای بررسی‌های غیرتهاجمی فرایندهای زیستی در پس بیماری است. یکی از جالب‌ترین و کلیدی‌ترین اجزا برای موفقیت این رویکرد، استفاده از "اثر انگشت" شبیه‌سازی شده برای آموزش شبکۀ عصبی مورد استفاده در بخش یادگیری ماشین بود. این ایده می‌تواند گسترش پیدا کند و برای حل سایر چالش‌های زیستی و پزشکی مورد استفاده و بررسی قرار گیرد.

این مطالعه روش جدیدی را برای تشخیص مرگ سلول‌های توموری به روش غیر تهاجمی با استفاده از MRI ارائه می‌دهد. این روش می‌تواند برای نظارت غیرتهاجمی درمان سرطان، بهبود مراقبت از بیماران و پیدا کردن درمان فردی برای بیماران مفید باشد. چنین روشی می‌تواند برای تشخیص و توصیف سایر مشکلات پزشکی که موجب افزایش مرگ سلولی می‌شوند، مانند سکتۀ مغزی و بیماری‌های کبدی، مفید باشد. هرچند این مطالعه با استفاده مدل تومور مغزی موشی تایید شده است، پژوهشگران توانایی استفاده از روش مشابه برای ایجاد نقشه‌های کمی مولکولی و pH را در مدل‌های سکتۀ مغزی موش و انسان‌های سالم، نشان داده‌اند. این گروه قصد دارد در آینده، کابرد این رویکرد تصویربرداری غیرتهاجمی را در بیماران مبتلا به تومورهای مغزی و سکتۀ مغزی بررسی کند.

منبع:

https://www.sciencedaily.com/releases/2021/12/211201150118.htm

کلید واژه ها: #Early_detection #MRI #Artificial_Intelligence #codecool #bioinformatics