ایسنا/محققان ایرانی با ترکیب تصویربرداری مولکولی پیشرفته و الگوریتم‌های هوش مصنوعی، روشی نوین برای پیش‌بینی شدت سرطان پروستات ارائه کردند که دقت آن تا ۸۶ درصد گزارش شده است. این فناوری نوید کاهش بیوپسی‌های غیرضروری و شخصی‌سازی درمان بیماران را می‌دهد.

دکتر اسماعیل جعفری، پژوهشگر مرکز تحقیقات پزشکی هسته‌ای و عضو هیئت علمی دانشگاه علوم پزشکی بوشهر، درباره این مطالعه گفت: سرطان پروستات دومین سرطان شایع مردان است و تشخیص دقیق آن از بزرگ‌ترین چالش‌های پزشکان به شمار می‌رود.

تصویربرداری PET/CT با ماده Ga-PSMA: "موشک هدایت‌شونده" علیه سلول‌های سرطانی

در این تحقیق از تصاویر PET/CT با ماده ردیاب Ga-PSMA استفاده شد. این ماده به پروتئین PSMA روی سلول‌های سرطانی پروستات می‌چسبد و امکان ردیابی دقیق حتی کوچکترین سلول‌های سرطانی را فراهم می‌کند. نتایج نشان داد که بیش از ۹۷ درصد تومورهای پروستات در این اسکن‌ها با وضوح بالا قابل مشاهده هستند.

هوش مصنوعی؛ پیش‌بینی تهاجمی بودن تومور

نقطه عطف این پژوهش، تحلیل هوشمند تصاویر توسط الگوریتم‌های هوش مصنوعی بود. تیم تحقیقاتی پارامترهایی مانند حجم کل تومور (PSMA-TV)، شدت جذب ماده ردیاب (SUVmax و SUVmean) و شاخص ترکیبی TL-PSMA را استخراج و مدل‌های پیش‌بینی کننده طراحی کردند.

شاخص TL-PSMA توانست با دقت ۸۶ درصد، تومورهای کم‌خطر را از پرخطر تفکیک کند.

در کل بدن، همین شاخص با دقت ۸۱ درصد توانست سطح PSA بیماران را کمتر یا بیشتر از ۲۰ پیش‌بینی کند.

کاربردهای بالینی و پزشکی شخصی‌سازی‌شده

دکتر جعفری توضیح داد: این فناوری می‌تواند تصمیم‌گیری‌های درمانی را دقیق‌تر کند؛ پزشک می‌تواند مشخص کند که بیمار نیاز به درمان تهاجمی دارد یا می‌توان با «مراقبت فعال» روند بیماری را کنترل کرد. هدف نهایی، پزشکی شخصی‌سازی‌شده است؛ یعنی انتخاب مؤثرترین درمان بر اساس ویژگی‌های منحصربه‌فرد تومور هر بیمار.

تیم چندتخصصی و آینده تحقیقات

این پژوهش با همکاری دکتر مجید اسدی، مهندس امین زارعی، دکتر احمد کشاورز، دکتر حبیب‌اله دادگر و دکتر قاسمعلی دیوبند انجام شد. محققان امیدوارند با گسترش مطالعات، این ابزارهای پیش‌بینی‌کننده را به نرم‌افزار بالینی کاربردی تبدیل کنند تا پزشکان سراسر کشور بتوانند از آن بهره‌مند شوند و تعداد بیوپسی‌های غیرضروری کاهش یابد.

🔹"آخرین خبر" در روبیکا
🔹"آخرین خبر" در ایتا
🔹"آخرین خبر" در بله