محققان در مرکز تصویربرداری محاسباتی و تشخیص‌های شخصی (CCIPD) در دانشگاه Case Western Reserve یک ابزار هوش مصنوعی (AI) را برای پیش‌بینی پیش از موعد احتمال عود مجدد بیماری سرطان پروستات پس از جراحی تأیید کرده‌اند .
این ابزار که RadClip نام دارد، از الگوریتم‌های هوش مصنوعی برای بررسی انواع داده‌ها از اسکن MRI گرفته تا اطلاعات مولکولی استفاده می‌کند. تیم تحقیقاتی شامل کلینیک Cleveland، بیمارستان‌های دانشگاه و مرکز پزشکی اداره جانبازان Cleveland لویی استوکس هستند.
Lin Li دانشجوی دکترای گروه مهندسی پزشکی Case Western Reserve و عضو تیم CCIPD که RadClip راساخته‌اند می‌گوید: ” این ابزار به پزشکان و اورولوژیست‌ها امکان میدهد برنامه درمان دقیق‌تری برای درمان بیمارانشان تدوین کنند. RadClip اجازه میدهد تا میزان بدخیم بودن و پاسخ سرطان به درمان ارزیابی شود، به صورتی که پزشکان در رسیدگی به بیمار کم‌کاری یا زیاده‌روی نکنند.”
Li اولین نویسنده مطالعه‌ای است که برای تأیید اعتبار این ابزار انجام شده‌است و در مجله The Lancet’s EBioMedicine منتشر شده‌است. در حالی که سایر مطالعات در مورد سرطان پروستات داده‌های سایت‌های منفرد را بررسی کرده‌اند، مطالعه انجام شده توسط CCIPD شامل اسکن‌های MRI از کلینیک Cleveland، بیمارستان Mount Sinai و بیمارستان‌های دانشگاه پنسیلوانیا بوده‌است. این مطالعه با همکاری چندین انستیتو انجام شده‌است و از ابزار هوش مصنوعی RadClip برای اسکن قبل از عمل تقریباً 200 بیمار که غده پروستات خود را به خاطر ابتلا به سرطان جراحی کرده‌اند، استفاده کرده‌است. سپس نتایج این اسکن را با نتایج سایر رویکردهای پیش‌بینی کننده و همچنین نتایج بیماران در سال‌های بعد مقایسه کرده‌اند.
یکی از سوالات مهم در مدیریت سرطان پروستات در مردانی که تحت عمل جراحی قرار گرفته‌اند، شناسایی مواردی است که در معرض خطر عود و مرگ ناشی از سرطان پروستات هستند و درنتیجه می‌توان با این روش آن‌ها را برای انجام درمان اضافی شناسایی کرد. در حالی که توانایی RadClip در پیش‌بینی خطر عود بیماری ثابت شده‌است، نیاز است که آزمایشات بالینی‌ای انجام شود تا ثابت کند این ابزار می‌تواند به شناسایی مردان تحت عمل جراحی که نیاز به درمان اضافی دارند، کمک کند.
این روش همچنین می‌تواند نتیجه جراحی را پیش‌بینی کند و از هوش مصنوعی برای شناسایی تفاوت‌های ظریف در عدم تجانس الگوهای بافت در داخل و خارج منطقه تومور در MRI قبل از عمل استفاده می‌کند. Anant Madabhushi نویسنده ارشد این مقاله، مدیر CCIPD و استاد بیوشیمی پزشکی موسسه دونل و پروفسور مهندسی بیو‌مدیکال در Case Western Reserve می‌گوید: “ما اطلاعات مختلفی را از اسکن رادیولوژیک MRI گرفته تا اسلایدهای نمونه دیجیتال پاتولوژی و داده‌های ژنومی، جمع‌آوری و بهم متصل می‌کنیم.”
Madabhushi افزود كه این مطالعه ارزش داده‌های تصویربرداری را ثابت می‌کند و نشان میدهد كه RadClip اطلاعات بهتری برای پیش‌بینی بیماری نسبت به سایر ابزارهای متداول مانند نمره ارزیابی خطر ابتلا به سرطان پروستات (CAPRA) و آزمایش سرطان پروستات Decipher® مبتنی بر ژنوم ارائه خواهد داد. Madabhushi همچنین گفت: “آزمایشات مبتنی بر ژنوم چندین هزار دلار هزینه دارد و شامل آزمایش مخرب بافت می‌شوند. پیش‌بینی بیماری بر اساس اسکن MRI یک روش غیر‌تهاجمی برای تصمیم‌گیری کوتاه‌مدت و بلند‌مدت در مورد درمان بیماری را ارائه میدهد.”
داده‌های تولید‌شده توسط الگوریتم‌های هوش مصنوعی می‌توانند در دو حوزه بالینی مهم یعنی جراحی پروستات و مدیریت پس از عمل، استفاده شوند. اطلاعات به دست آمده از تصاویر MRI قبل از عمل می‌تواند وجود و میزان سرطان در حاشیه تومور را پیش‌بینی کند و این امر به جراحان اجازه میدهد در مورد اینکه چه میزان از بافت را بردارند، تصمیمات آگاهانه بگیرند. داده‌ها همچنین می‌توانند خطر عود مجدد سرطان را پیش‌بینی کنند. بنابراین متخصصان انکولوژی قادر به تصمیم‌گیری در مورد این که آیا بیمار پس از جراحی به درمان‌های کمکی مانند پرتودرمانی یا شیمی درمانی احتیاج دارد یا خیر، هستند. Li می‌گوید: “داشتن این اطلاعات قبل از جراحی، به جراحان و متخصصان آنکولوژی امکان میدهد که برنامه‌های درمانی مناسبی تدوین کنند و به بیمار ارائه دهند.”
