هوش مصنوعی به کمک تشخیص و درمان سرطان می‌آید

دکتر حمیدرضا میرزایی مدیر گروه رادیوانکولوژی دانشگاه علوم پزشکی شهیدبهشتی با اشاره به کاربرد هوش مصنوعی در تشخیص و درمان سرطان گفت: هوش مصنوعی (AI) به عنوان یک فناوری تحول آفرین در حوزه سرطان شناخته می‌شود که تاثیرات قابل توجهی در بهبود فرآیندهای تشخیص، درمان و توانبخشی بیماران دارد.

 تشخیص زودهنگام و دقیق

وی شناسایی زودهنگام تومورها را یکی از بزرگترین چالش‌ها درتشخیص سرطان برشمرد و افزود: هوش مصنوعی می تواند با استفاده از الگوریتم‌های یادگیری عمیق (Deep Learning) تصاویر رادیولوژی، سی‌تی‌اسکن و ام‌آرآی را به تجزیه و تحلیل کند.

به گفته وی این الگوریتم‌ها قادر به شناسایی ویژگی‌های خاصی هستند که ممکن است برای چشم انسان قابل مشاهده نباشند.

دکتر میرزایی در ادامه به نقش هوش مصنوعی در شناسایی تغییرات ژنتیکی اشاره کرد و گفت: هوش مصنوعی با تجزیه و تحلیل داده‌های ژنتیکی و بیولوژیکی بیماران و استفاده از داده‌های توالی‌یابی ژنوم، قادر به شناسایی تغییرات خاصی است که احتمال دارد باعث بروز سرطان شود. این اطلاعات به تشخیص زودهنگام انواع سرطان کمک کرده و باعث افزایش شانس موفقیت در درمان بیمار می شود.
 
درمان شخصی‌سازی شده

این استاد دانشگاه طراحی و ارائه درمان‌های شخصی‌سازی شده در درمان سرطان را از دیگر مزایای کلیدی هوش مصنوعی برشمرد و یادآور شد: هوش مصنوعی با تحلیل داده‌های بزرگ و شناسایی الگوهای مربوط به پاسخ بیماران به درمان‌های مختلف به پزشکان کمک می کند تا بهترین گزینه‌ درمانی را برای هر بیمار انتخاب کنند که شامل انتخاب دارو، دوز دارو و حتی نوع روش‌های درمانی می شود.

وی پیش‌بینی پاسخ بیمار به درمان را از دیگر کاربردهای هوش مصنوعی ذکر کرد و افزود: هوش مصنوعی براساس اطلاعات بیماران مشابه و ویژگی‌های فردی بیمار قادر به پیش بینی پاسخ بیمار به یک درمان خاص است. این اطلاعات به پزشک برای تصمیم گیری درمورد برنامه درمانی بهتر کمک می‌کند تا از درمان‌هایی که احتمال موفقیت کمتری دارند، اجتناب کنند.

مدیریت عوارض جانبی

دکتر میرزایی عوارض جانبی ناشی از داروها و روش‌های درمانی را یکی از مشکلات بزرگ در درمان سرطان عنوان کرد و یادآور شد: هوش مصنوعی با تجزیه و تحلیل داده‌های بیماران می‌تواند الگوهایی را شناسایی کند که نشان‌دهنده احتمال بالای بروز عوارض جانبی در بیمار است و پزشک براساس این اطلاعات می‌تواند برنامه درمانی بیمار را به نحوی تنظیم کند که عوارض جانبی کاهش یابد.

توانبخشی و پیگیری بیمار

وی با اشاره به کاربرد AI در بهبود فرآیندهای توانبخشی بیماران سرطانی خاطرنشان کرد: بیمار پس از درمان سرطان، برای بهبودی نیازمند توانبخشی است. هوش مصنوعی با تحلیل داده‌ها و شناسایی نیازهای خاص هر بیمار، می‌تواند برنامه‌های توانبخشی موثرتری( تمرینات فیزیکی، مشاوره روان‌شناختی و مدیریت درد و… ) برای وی طراحی کند.

این استاد دانشگاه نظارت و پیگیری وضعیت بیمار پس از درمان را از دیگر کاربردهای هوش مصنوعی برشمرد که به جمع آوری و تجزیه و تحلیل اطلاعات بیمار( علایم، عوارض جانبی وکیفیت زندگی) می پردازد و پزشک براساس این داده‌ها و شناسایی تغییرات احتمالی وضعیت بیمار، مداخلات و اقدامات لازم را سریع‌تر انجام می دهد.

دکتر میرزایی تاکید کرد: هوش مصنوعی نه تنها باعث افزایش دقت و سرعت تشخیص سرطان می‌شود بلکه امکان ارایه درمان‌های موثرتر و شخصی‌سازی شده را نیز فراهم می‌آورد. همچنین با مدیریت بهتر عوارض جانبی و تسهیل فرآیند توانبخشی، باعث بهبود و ارتقای کیفیت زندگی بیماران سرطانی می شود.

بهبود دقت و افزایش سرعت تشخیص

مدیرگروه رادیوانکولوژی دانشگاه در ادامه به تاثیر هوش مصنوعی (AI) در افزایش دقت و بهبود زمان‌بندی تشخیص سرطان اشاره کرد.

به گفته وی الگوریتم‌های هوش مصنوعی به ویژه مدل‌های یادگیری عمیق، قادر به تحلیل دقیق تصاویرپزشکی مانند اشعه ایکس، سی‌تی‌اسکن و ام‌آرآی هستند. این الگوریتم‌ها می توانند الگوهای خاصی را شناسایی کنند که ممکن است با چشم پزشک قابل مشاهده نباشد. به طور مثال با کمک هوش مصنوعی می توان تومورها را در مراحل اولیه سرطان پستان شناسایی کرد که باعث افزایش شانس موفقیت در درمان بیمار می‌شود.

این استاد دانشگاه با اشاره به کمک هوش مصنوعی در تشخیص زودهنگام بیماری گفت: AI می‌تواند ناهنجاری‌های ظریف در سطح میکروسکوپی را نیز شناسایی کند و این موضوع در تشخیص زودهنگام سرطان‌ها بسیار اهمیت دارد، زیرا تشخیص سریع‌تر منجر به نتایج درمانی بهتر می‌شود.

دکتر میرزایی تحلیل سریع داده‌ها توسط هوش مصنوعی را باعث افزایش سرعت تشخیص برشمرد که در شروع سریع درمان و مبارزه با سرطان بسیار حیاتی است. همچنین کاهش خطای انسانی را از دیگر مزایای کاربرد هوش مصنوعی عنوان کرد.

توسعه درمان‌های شخصی‌سازی شده

وی با بیان این که AI  در توسعه برنامه‌های درمان شخصی‌سازی شده نیز نقش دارد افزود: هوش مصنوعی با تحلیل داده‌های مربوط به ویژگی‌های ژنتیکی وبیولوژیکی بیماران، می‌تواند گزینه‌های درمانی موثرتری را پیشنهاد دهد که متناسب با نیازهای خاص هر بیمار باشد.

به گفته این استاد دانشگاه هوش مصنوعی با پیش‌بینی پاسخ بیمار به یک درمان خاص می‌تواند به پزشک در تصمیم‌گیری بهتر درباره مداخلات و برنامه‌های درمانی کمک کند.

افزایش دسترسی به خدمات

دکتر میرزایی افزایش دسترسی به خدمات تشخیصی را از دیگر کاربردهای هوش مصنوعی برشمرد که براساس  آن بیماران در مناطق دورافتاده می توانند با استفاده ازپلتفرم‌های تله مدیسین مجهز بهAI و بارگذاری تصاویر پزشکی خود، تشخیص سریع‌تری دریافت کنند و این امر در مراحل اولیه سرطان اهمیت دارد.

به گفته وی هوش مصنوعی فرآیندهای غربالگری را خودکار کرده و امکان غربالگری کارامد، مکرر و گسترده‌تر را بدون بار اضافی برای ارایه‌دهندگان خدمات بهداشتی فراهم می کند.

دکتر میرزایی یادآور شد که هوش مصنوعی با ارایه ابزارهای نوین و کارآمد باعث افزایش دقت و سرعت تشخیص سرطانها، ارایه درمان‌های موثرتر و شخصی‌سازی شده، بهبود کیفیت زندگی بیماران وافزایش شانس بقای آن‌ها می‌شود.

نقش هوش مصنوعی در طرح درمان سرطان و پیش‌آگهی بیماری

به گفته این استاد گروه رادیوانکولوژی دانشگاه هوش مصنوعی در سال‌های اخیر به یک ابزارکلیدی در  مدیریت سرطان مبدل شده است و می‌تواند در طرح درمان، انتخاب نوع جراحی، شیمی‌درمانی، پرتودرمانی، پیش‌آگهی بیماری و حتی نظارت بر روند بهبودی بیماران نقش مهمی ایفا کند.

وی افزود: این فناوری با تحلیل حجم عظیمی از داده‌ها و ارایه بینش‌های دقیق، به پزشکان کمک می‌کند تا تصمیمات بهترو سریع‌تری در درمان بیمار بگیرند.

تعیین طرح درمان مناسب برای بیمار

دکتر میرزایی طراحی یک برنامه درمانی مناسب برای هر بیمار را یکی از چالش‌های مهم در درمان سرطان عنوان کرد که هوش مصنوعی با استفاده از داده‌های بالینی، ژنتیکی و تاریخی بیماران می‌تواند در انتخاب بهترین گزینه‌های درمانی به پزشک کمک کند.

به گفته وی هر فرد دارای ویژگی‌های ژنتیکی و بیولوژیکی منحصر به فردی است و هوش مصنوعی با تحلیل داده‌های ژنومیک فرد(مانند توالی DNA و(RNA  می تواند درمان‌های موثرتر برای وی مشخص کند.

مدیرگروه رادیوانکولوژی دانشگاه با ذکر نمونه ای در این خصوص گفت: مثلا هوش مصنوعی در سرطان پستان یا ریه می‌تواند نشانگرهای زیستی(Biomarkers) خاصی را شناسایی کند که وجود آنها نشانه پاسخ بهتر بیمار به یک نوع خاص از شیمی‌درمانی یا درمان هدفمند است.

دکتر میرزایی با اشاره به شخصی‌سازی درمان توسط هوش مصنوعی گفت: با استفاده از الگوریتم‌های یادگیری ماشین (Machine Learning)، هوش مصنوعی می‌تواند روش درمانی موثرتر(مانند شیمی‌درمانی یا ایمونوتراپی) را برای یک بیمار خاص پیشنهاد دهد که این شخصی‌سازی درمان باعث افزایش اثربخشی و کاهش عوارض جانبی می‌شود.

کمک به تصمیم‌گیری در جراحی

این استاد دانشگاه یکی از رایجترین روش‌های درمان سرطان را جراحی ذکر کرد که موفقیت آن به عوامل متعددی مانند محل و اندازه تومور و وضعیت عمومی بیمار بستگی دارد و به نقش مهم هوش مصنوعی دراین زمینه اشاره کرد.

دکتر میرزایی با اشاره به برنامه‌ریزی پیش از جراحی با کمک هوش مصنوعی گفت: هوش مصنوعی با تحلیل تصاویر پزشکی بیمار(MRI ، CT اسکن و…) اطلاعات روشنی درباره محل دقیق تومور، ارتباط آن با بافت‌های سالم اطراف و میزان گسترش آن ارایه می‌دهد که به جراحان در طراحی برنامه جراحی دقیق‌تر کمک می کند.

وی با اشاره به استفاده از برخی سیستم‌های هوش مصنوعی در حین عمل جراحی افزود: این سیستم‌ها با استفاده از تکنولوژی‌هایی مانند واقعیت افزوده (Augmented Reality) یا رباتیک به جراح کمک می‌کند تا با دقت بیشتری تومور را بردارد و آسیب به بافت‌های سالم را به حداقل برساند.

انتخاب نوع شیمی‌درمانی یا پرتودرمانی

دکتر میرزایی به نقش هوش مصنوعی در انتخاب داروهای مناسب در درمان بیماران اشاره کرد و گفت: هوش مصنوعی می تواند با تحلیل داده‌های مربوط به پاسخ بیماران قبلی به داروهای شیمی‌درمانی، داروی موثر برای بیمار فعلی را پیش‌بینی کند. این امر باعث افزایش اثربخشی شیمی‌درمانی و کاهش خطر بروز عوارض جانبی شدید می‌شو‌د.

به گفته وی پرتودرمانی نیازمند دقت بالایی است تا مطمئن باشیم اشعه تنها بر روی سلول‌های سرطانی متمرکز شده و به بافت‌های سالم آسیب نمی‌رساند سیستم‌های مبتنی بر AI قادرهستند مرزهای تومور را با دقت بیشتری تعیین کنند و برنامه پرتودرمانی را براساس ویژگی‌های خاص هر بیمار تنظیم کنند.

پیش‌آگهی بیماری

دکتر میرزایی پیش‌آگهی بیماری را یکی از مهمترین جنبه‌های مدیریت سرطان دانست که تاثیر مستقیمی برتصمیمات درمانی دارد و یادآور شد که هوش مصنوعی با تحلیل داده‌ها می تواند پیش‌بینی‌هایی دقیق را درباره روند بیماری ارائه دهد.

به گفته وی هوش مصنوعی قادر است احتمال عود بیماری را پیش بینی کند و با شناسایی الگوهایی در داده‌های بیماران احتمال عود بیماری پس از درمان را تشخیص دهد. این اطلاعات به پزشکان کمک می‌کند تا برنامه‌های پیگیری دقیق‌تر و منظم‌تری را طراحی کنند.

وی یادآور شد: مدل‌های یادگیری ماشین می‌توانند براساس داده‌های تاریخی بیماران مشابه، پیش‌بینی کنند که یک بیمار چه مدت زنده خواهد ماند یا چگونه به یک نوع خاص از درمان پاسخ خواهد داد.

نظارت بر روند درمان و توانبخشی

به گفته دکتر حمیدرضا میرزایی پس از اتمام مراحل اولیه درمان، نظارت بر وضعیت سلامت بیمار بسیار مهم است تا هرگونه تغییر یا عود بیماری سریعاً شناسایی شود.

وی یادآور شد: ابزارهای مجهز به هوش مصنوعی مانند اپلیکیشن‌ها یا دستگاه‌های پوشیدنی (Wearables) می‌توانند علائم حیاتی بیمار را تحت نظر داشته باشند وهرگونه تغییر غیرعادی را گزارش دهند.

این استاد دانشگاه، توانبخشی شخصی‌سازی شده را از دیگر کاربردهای هوش مصنوعی برشمرد و افزود :هوش مصنوعی می‌تواند برنامه‌های توانبخشی اختصاصی برای بیماران طراحی کند که شامل تمرینات فیزیکی، مشاوره روان‌شناختی و مدیریت درد باشد.

مزایای استفاده از هوش مصنوعی در مدیریت سرطان

دکتر میرزایی افزایش دقت تشخیص و درمان، کاهش زمان تصمیم‌گیری، بهبود نتایج بالینی، افزایش دسترس‌پذیری به  خدمات پزشکی را از مزایای استفاده از هوش مصنوعی در مدیریت سرطان عنوان کرد.

به گفته وی  AI می تواند الگوهایی راشناسایی کند که ممکن است برای پزشکان انسانی قابل مشاهده نباشد و با تحلیل سریع داده‌ها باعث کاهش زمان انتظار برای شروع درمان ‌شود. همچنین شخصی‌سازی درمان‌ها منجر به افزایش اثربخشی و کاهش عوارض جانبی ‌شود. ابزارهای مبتنی بر AIامکان ارایه خدمات پزشکی حتی در مناطق محروم را فراهم کرده‌اند.

این استاد دانشگاه در خاتمه سخنان خود خاطرنشان کرد: هوش مصنوعی نه تنها فرآیندهای تشخیصی ودرمان سرطان را متحول کرده بلکه افق جدیدی برای پزشکی دقیق (Precision Medicine) باز کرده است. این فناوری با ارایه ابزارهای نوین، امکان تصمیم‌گیری بهتر، سریع‌تر و موثرتررا فراهم کرده است که نتیجه آن افزایش کیفیت زندگی بیماران سرطانی خواهد بود.

به گفته دکتر میرزایی در این دانشگاه ضمن برگزاری کارگاه متعدد در رابطه با اهمیت و کاربرد هوش مصنوعی در حوزه آموزش و پژوهش و درمان، پایان نامه‌ها و کارهای مطالعاتی فراوانی نیز در سال‌های اخیر انجام شده است.