ببین، اگه کسی فیبروم رحم داشته باشه—یعنی همون تودههای خوشخیمی که توی رحم تشکیل میشن و بعضی وقتا کلی دردسر درست میکنن—معمولاً باید بره سراغ جراحی یا روشهای غیرتهاجمیتر، مثلاً سونوگرافی متمرکز با دمای بالا یا همون FUAS (Focused Ultrasound Ablation Surgery). این روش فوقالعادهس، ولی همیشه همهچی خوب پیش نمیره؛ دقت عمل پایین میاد یا نتایج با هم یکی نمیشن، مخصوصاً وقتی تجربه دکترها فرق داشته باشه یا خیلی خسته باشن.
حالا این مقاله اومده و یه راهحل بسیار هوشمندانه پیشنهاد داده: استفاده از یه سیستم سهبعدی (3D) برای تصویرسازی و هدایت جراحی. نقطه خاص این سیستم چیه؟ ترکیب تصویرهای MRI (که تصاویر خیلی دقیقی از بافتها میده) با تصویرهای زنده سونوگرافی (US) در زمان واقعی. این یعنی دکترها میتونن همزمان تصاویر مختلف رو با هم داشته باشن و جای تومور رو دقیقتر ببینن و هدف قرار بدن.
برای اینکه همچین چیزی عملی بشه، اومدن دادههای 638 بیمار رو جمع کردن و پزشکهای باتجربه این تصاویر رو علامتگذاری (annotate) کردن. بعدش از یه مدل هوش مصنوعی به اسم nnU-Net استفاده کردن—nnU-Net در واقع یه الگوریتم پیشرفته برای جدا کردن اجزا توی تصویر پزشکیه؛ یعنی مثلاً خود تومور و رحم رو از بقیه جاها جدا میکنه، اونم سهبعدی! اینطوری چیزی که توی MRI دیدیم، به صورت مدل سهبعدی درمیاد تا همه چیز واضحتر باشه.
حالا برای تصویربرداری زنده سونوگرافی حین عمل هم یه مدل دیگه وارد بازی شد به اسم YOLACT. این مدل خیلی سریع و با دقت میتونه رحم و بخشهای مهم بدن رو از هم تشخیص بده. اگه برات سوال شد که YOLACT چیه: یه مدل هوش مصنوعی جدیده که از روشهای پیشرفته یادگیری ماشین استفاده میکنه تا توی لحظه بتونه شکل و موقعیت اندامها رو تو سونوگرافی دربیاره.
تازه برای اینکه تصاویر MRI (قبل عمل) و US (حین عمل) کاملاً روی هم منطبق شن و هیچ خطایی پیش نیاد، یه الگوریتم جالب به اسم Iterative Closest Point یا همون ICP استفاده کردن. ICP یعنی الگوریتمی که کمک میکنه دو تا تصویر سهبعدی رو دقیقاً روی هم بیارن، طوری که هر نقطهای از تصویر MRI با نقطه متناظرش تو سونوگرافی همراستا بشه.
نتیجه آزمایشها چی بوده؟ نتیجه خیلی چشمگیر بوده! دقت جدا کردن رحم و فیبرومها با nnU-Net (بر اساس یه معیاری به اسم Dice Similarity Coefficient—یعنی شباهت بین مدل و حقیقت) بالای 90 درصد بوده. قابلیت YOLACT هم برای شناسایی اجزای کلیدی توی تصاویر زنده سونوگرافی بالای 95 درصد دقت داشته.
تو حدود 90 درصد از کل بیمارها، این سیستم تونسته خیلی سریع و دقیق مسیر فیبرومها رو دنبال کنه و راهنمایی کنه که عمل بدون اشتباه پیش بره. البته توی 5 درصد از کیسها لازمه که دکتر دستی یه کم تنظیم کنه (مثلاً وقتی ساختار بدن مریض با داده MRI که قبلش گرفته شدن متفاوت باشه). اینم نشون میده سیستم اتوماتیک خیلی درجه یکه، ولی هنوز جای پیشرفت داره.
در نهایت، این سیستم ترکیبی هوشمند واقعاً یه تحول توی جراحی غیرتهاجمی فیبروم رحم حساب میشه. چون هم دقت رو میبره بالا، هم زمان عمل رو کم میکنه و هم بار کاری روی پزشک رو کمتر میکنه. این یعنی تو آینده، خطای انسانی کمتر میشه و خیلی از مشکلات قبلی برطرف میشن.
البته تیم پژوهشی گفته که هنوز جا برای پیشرفت هست، مخصوصاً وقتی بیماری بافتهاش خیلی تغییر کنه یا اگر بخشهایی از تصاویر واقعاً دیده نشن (مثلاً به خاطر موانع یا جا به جایی). پس تمرکز آینده روی اینه که سیستم حتی توی شرایط سخت هم قابل اعتماد بمونه و بتونه تو سناریوهای پیچیده هم کار کنه.
در کل، این مقاله نشون میده که ترکیب تصویربرداری پزشکی با هوش مصنوعی واقعاً داره زندگی خیلیها رو راحتتر و عملهای حساس رو ایمنتر میکنه. شاید تا چند سال دیگه جراحی فیبروم رحم کاملاً با این سیستمها انجام بشه و دکترها فقط نقش راهنما رو داشته باشن!
منبع: +
