درمان سرطان ریه با کمک یک مدل مبتنی بر یادگیری عمیق

پژوهشگران آمریکایی در بررسی جدید خود، یک مدل مبتنی بر یادگیری عمیق را ابداع کرده‌اند که می‌تواند به پزشکان در انتخاب درمان بهتر سرطان ریه کمک کند.

شاید پزشکان به زودی بتوانند از یک مدل یادگیری ماشینی موسوم به یادگیری عمیق برای تصمیم‌گیری در مورد درمان بیماران مبتلا به سرطان ریه استفاده کنند.

پژوهشگران "دانشگاه پنسیلوانیا" (Penn State) در بررسی جدید خود، یک مدل یادگیری عمیق ابداع کرده‌اند که در شرایط ویژه‌ای توانست امید به زندگی بیماران مبتلا به سرطان ریه را با بیش از ۷۱ درصد دقت پیش‌بینی کند و عملکردی بهتر از مدل‌های قدیمی یادگیری ماشینی داشته باشد. مدل‌های قدیمی در آزمایش‌ها، ۶۱ درصد دقت داشتند.

پژوهشگران باور دارند که اطلاعات مربوط به امید به زندگی بیماران می‌تواند پزشکان را در تصمیم‌گیری بهتر در مورد استفاده از دارو‌ها و مراقبت از بیماران یاری دهد.

این مدل، سیستمی با توان عملکردی بالا است که بسیار دقیق کار می‌کند و هدف آن، کمک کردن به پزشکان تا تصمیم‌های مهمی در مورد مراقبت از بیماران بگیرند. پژوهشگران تاکید دارند که این سیستم نمی‌تواند در تصمیم‌گیری برای درمان سرطان ریه، جایگزین پزشک شود.

به گفته پژوهشگران، این مدل می‌تواند میزان قابل توجهی از داده‌ها را تجزیه و تحلیل کند که به توصیف بیماری می‌پردازند تا نحوه تاثیرگذاری عوامل گوناگون را بر میزان نجات از سرطان ریه درک کنند. ویژگی‌های مشخص شده در این سیستم، اطلاعاتی مانند انواع سرطان، اندازه تومور‌ها و سرعت رشد تومور را نشان می‌دهند. یادگیری عمیق می‌تواند ارتباط میان این داده‌ها را مشخص کند.

پژوهشگران قصد دارند این مدل را در آینده بهبود ببخشند و توانایی آن را در تجزیه و تحلیل انواع سرطان و بیماری‌ها آزمایش کنند. این پژوهش، در "International Journal of Medical Informatics" به چاپ رسید.