پیش‌بینی پیشینه بیماری سرطان پستان با استفاده از مدل‌های یادگیری عمیق

یک مطالعه اخیر که در مجله سرطان پستان بالینی منتشر شده است نشان داده است که مدل‌های یادگیری عمیق می‌توانند به عنوان ابزارهای پیش‌بینی موثری برای پیش‌بینی پیشینه بیماری سرطان پستان عمل کنند. این مطالعه توسط دکتر جنقی هان و تیم او از بیمارستان وابسته به دانشگاه چین در شهر Qingdao انجام شد و نشان داد که موفقیت مدلی که داده‌ها را از تصاویر ماموگرافی، تصاویر التراسونوگرافی و ویژگی‌های دیگر ترکیب کرده است، در پیش‌بینی درمان خالی از بیماری بیماران سرطان پستان دقت بالایی دارد.

محققان بهبود عملکرد مدل ترکیبی که از تصاویر ماموگرافی و التراسونوگرافی استفاده می‌کند نسبت به استفاده از هر یک از این دو نوع تصویربرداری به تنهایی را مورد تاکید قرار دادند. با بهره‌گیری از هوش مصنوعی و تکنیک‌های یادگیری عمیق، رادیولوژیست‌ها در حال کاوش راهکارهای جدیدی برای پیشرفت تشخیص و پیش‌بینی سرطان پستان هستند.

در این مطالعه، تیم پژوهشی از سال 2013 تا 2018 داده‌ها را از ۱٬۲۴۲ بیمار جمع‌آوری کرده و آنها را به گروه‌های آموزش و آزمایش تقسیم کرد. آنها از مدل‌های یادگیری عمیق با استفاده از ResNet50 و ترکیب داده‌های بالینی و ویژگی‌های تصویربرداری استفاده کرده‌اند تا عوامل پیش‌زمینه مستقل و یک مدل بالینی برقرار کنند.

پنج مدل توسعه داده شدند: یادگیری عمیق التراسونوگرافی، یادگیری عمیق ماموگرافی، یادگیری عمیق التراسونوگرافی به همراه ماموگرافی، یک مدل بالینی و یک مدل ترکیبی. محققان متوجه شدند که مدل ترکیبی که تصاویر هر دو نوع تصویربرداری را به همراه خصوصیات نمونه‌برداری، بالینی و رادیولوژیکی ترکیب می‌کند، عملکرد پیش‌بینی بالاتری نسبت به سایر مدل‌های تحلیل شده دارد.

لازم به ذکر است که برخی از ویژگی‌های نمونه‌برداری و بالینی فقط پس از عمل جراحی قابل به‌دست آوردن هستند. بنابراین، مدل ترکیبی در پیش‌بینی پس از عمل جراحی اهمیت زیادی دارد. علاوه بر این، مطالعه بر جوانمردی آلتراسونوگرافی و ماموگرافی در تصویربرداری سرطان پستان تأکید کرد، که به جهت مشاهده شکل و ویژگی‌های توده از التراسونوگرافی و بهره‌گیری از ماموگرافی برای شناسایی کلسیفیکاسیون به کار می‌رود.

اگرچه مطالعه نتایج قابل افتخاری را نشان می‌دهد، اما نویسندگان در تحقیقات آتی برای سنجش اثربخشی پیش‌بینی و عمومیت مدل‌ها، اعتبارسنجی خارجی را درخواست کرده‌اند. با این حال، استفاده از مدل‌های یادگیری عمیق قابلیت‌های بزرگی برای بهبود پیش‌بینی پیش‌بینی سرطان پستان و در نهایت ارتقای نتیجه‌گیری بیمار را نشان می‌دهد.