Ένα νέο εργαλείο τεχνητής νοημοσύνης θα μπορούσε να βοηθήσει τους νευροχειρουργούς να θεραπεύσουν όγκους στον εγκέφαλο, σύμφωνα με μελέτη που κυκλοφόρησε από την Ιατρική Σχολή του Χάρβαρντ.
Οι ερευνητές νευροεπιστήμονες επί δεκαετίες αγωνίζονται να κατανοήσουν τα γλοιώματα, έναν όρο ομπρέλα για τους πιο συνήθεις όγκους εγκεφάλου σε ασθενείς με καρκίνο.
«Τα διαφορετικά είδη γλοιωμάτων απαιτούν διαφορετικά είδη χειρουργικής επέμβασης», είπε ο Κουν- Χσινγκ Γιου, καθηγητής στην Ιατρική Σχολή του Χάρβαρντ που βοήθησε στη συγγραφή της μελέτης.
Για να αφαιρέσουν με ασφάλεια ένα γλοίωμα χωρίς να καταστρέψουν τον περιβάλλοντα ιστό του εγκεφάλου, οι νευροχειρουργοί χρειάζονται πλήθος πληροφοριών που συχνά δεν μπορούν να συλλεχθούν μέχρι ο ασθενής να βρίσκεται στο χειρουργικό τραπέζι.
«Όταν χειρουργούν ασθενείς με καρκίνο του εγκεφάλου, οι γιατροί στέλνουν ένα κομμάτι δείγματος στο παθολογικό εργαστήριο για να λάβουν άμεσα σχετική αναφορά σε πραγματικό χρόνο», είπε ο Γιου. «Ένας παθολόγος μπορεί να τους βοηθήσει λέγοντάς τους εάν κόβουν τον σωστό ιστό ή τι είδους συγκεκριμένο καρκίνο έχει ο ασθενής».
Σε υπερσύγχρονες ιατρικές εγκαταστάσεις, ο Γιου είπε ότι ένας παθολόγος συνήθως ολοκληρώνει την ανάλυσή ενός δείγματος εγκεφαλικού ιστού μέσα σε 10 έως 15 λεπτά. Αυτη η διαδικασία συμβαίνει όταν το κρανίο του ασθενούς είναι ανοιχτό πάνω στο χειρουργικό τραπέζι.
«Αυτή η διαδικασία δεν αποτελεί εγγύηση έλλειψης σφαλμάτων», είπε, εξηγώντας ότι οι παθολόγοι πρέπει να εγκαταλείψουν τα πάντα για να δώσουν προτεραιότητα σε δείγματα από ενεργές χειρουργικές επεμβάσεις. «Οι άνθρωποι βρίσκονται υπό πίεση και η ποιότητα της δουλειας μερικές φορές ολισθαίνει, οπότε περιστασιακά είναι λογικό να υπάρχουν λανθασμένες διαγνώσεις που προκύπτουν από αυτή τη γρήγορη διαδικασία».
Ο Γιου και η ομάδα του διαπίστωσαν ότι η μηχανική μάθηση - ένας κλάδος της τεχνητής νοημοσύνης στον οποίο η τεχνολογία μαθαίνει μοτίβα χωρίς ρητές οδηγίες από έναν προγραμματιστή - μπορεί με λίγα λόγια να βοηθήσει να γίνει η ανάλυση ενός γλοιώματος ταχύτερη και ακριβέστερη. Η τεχνολογία θα μειώσει τον χρόνο που οι ασθενείς βρίσκονται στο χειρουργείο
Ο Δρ Νταν Καχιλ, νευροχειρουργός στο Γενικό Νοσοκομείο της Μασαχουσέτης, είπε ότι η ακρίβεια του νέου εργαλείου μηχανικής μάθησης είναι «εντυπωσιακή, σίγουρα πολύ καλύτερη από τις παραδοσιακές τεχνικές ανάλυσης της μοριακής σύνθεσης ενός γλοιώματος».
Ο Κάχιλ είπε ότι «ο βέλτιστος τύπος χειρουργικής επέμβασης είναι διαφορετικός για κάθε ασθενή και επηρεάζεται σημαντικά από την εκάστοτε υποκατηγορία του γλοιώματος».
Μία από τις πιο αξιόπιστες μεθόδους θεραπείας επιθετικών γλοιωμάτων περιλαμβάνει την εισαγωγή φαρμάκων που σκοτώνουν τον όγκο απευθείας στον εγκέφαλο, κατά τη διάρκεια της χειρουργικής επέμβασης. Ο Γιου και οι συν-συγγραφείς της μελέτης πιστεύουν ότι η τεχνολογία που ανέπτυξαν μπορεί να βοηθήσει στον προσδιορισμό της επιθετικότητας ενός συγκεκριμένου όγκου στο χειρουργείο, βοηθώντας έτσι τους γιατρούς να αποφασίσουν γρήγορα και με σιγουριά να κάνουν ένεση των φαρμάκων.
Ο Γιου εκτιμά ότι η τεχνολογία της μελέτης του δεν θα είναι έτοιμη για κλινική χρήση για αρκετά χρόνια ακόμα – το εργαλείο θα πρέπει επίσης να πάρει πράσινο φως από την Υπηρεσία Τροφίμων και Φαρμάκων.
Αλλά η μελέτη του Χάρβαρντ δεν είναι εντελώς νέα – οι επιστήμονες στο Ηνωμένο Βασίλειο έχουν επίσης αναζητήσει στην τεχνητή νοημοσύνη το εργαλείο για τη βελτίωση της θεραπείας και της ανίχνευσης του καρκίνου. Νωρίτερα φέτος, μια ομάδα ιατρικών ερευνητών στο Λονδίνο, ανέπτυξε ένα εργαλείο τεχνητής νοημοσύνης που μπορεί να προσδιορίσει εάν οι μη φυσιολογικές ενδείξεις που βρέθηκαν στις αξονικές τομογραφίες είναι καρκινικές.
Επίσης στο Λονδίνο, μια startup λογισμικού με την ονομασία Kheiron Medical Technologies, που ιδρύθηκε από τον Ούγγρο επιστήμονα υπολογιστών Peter Kecskemethy, αναπτύσσει εργαλεία τεχνητής νοημοσύνης για να βοηθήσει τους ακτινολόγους να ανιχνεύσουν τον καρκίνο του μαστού.
«Χρειαζόμαστε την τεχνητή νοημοσύνη για να αντιμετωπίσουμε τον καρκίνο και μπορεί να αντιμετωπιστεί με την τεχνητή νοημοσύνη», είπε ο Kecskemethy.
Πηγή: Guardian