تشخیص ۱۳ نوع سرطان با هوش مصنوعی دقت ۹۸ درصدی در مراحل اولیه, تحقیقات جدید نشان میدهد که مدلهای هوش مصنوعی میتوانند در آیندهنهچنداندور، تشخیص ۱۳ نوع سرطان را با دقت ۹۸.۲ درصدی و در مراحل بسیار اولیه امکانپذیر سازند.
این پیشرفت بر پایه تحلیل الگوهای متیلاسیون دیانا استوار است که به عنوان یک نشانگر ژنتیکی کلیدی در شکلگیری تومورها شناخته میشود.نقش متیلاسیون در تشخیص زودرس سرطانمتیلاسیون دیانا یک فرآیند بیولوژیکی طبیعی است، اما تغییرات ناپایدار در آن میتواند پیش از بروز هرگونه علائم بالینی، آغاز سرطان را پیشبینی کند.
محققان معتقدند که شناسایی این تغییرات دقیق در میان حجم عظیم دادههای ژنتیکی، شبیه به یافتن سوزن در انبار کاه است؛ چالشای که روشهای سنتی قادر به حل آن نبودهاند.روش یادگیری ماشین برای تفکیک الگوهای سرطانزاتیمهای پژوهشی دانشگاه کمبریج و کالج سلطنتی لندن با بهرهگیری از الگوریتمهای پیشرفته یادگیری ماشین، موفق شدند الگوهای متیلاسیون خاص تومور را از متیلاسیون طبیعی بافتهای سالم تفکیک کنند.
این مدل با پردازش دادههای تراکمسازی سریع، توانسته ۱۳ نوع سرطان گوناگون را در بافتهای غیرسرطانی با دقت ۹۸.۲ درصد شناسایی نماید.افاق آینده و نیاز به اعتبارسنجی بیشترمحققان تأکید دارند که اگرچه نتایج اولیه بسیار امیدوارکننده است، اما این مدل نیازمند آموزش و اعتبارسنجی گستردهتر بر روی نمونههای بالینی متنوع است.
در درازمدت، این تکنولوژی نهتنها میتواند زمان تشخیص را به شدت کاهش دهد، بلکه درک عمیقتری از مکانیزمهای مولد سرطان نیز فراهم خواهد آورد که مسیر درمانهای هدفمندتر را هموار میکند.