RADiCAIT از دانشگاه آکسفورد: هوش مصنوعی برای تصویربرداری پزشکی ارزان‌تر و در دسترس‌

اگر تا به حال اسکن PET داشته‌اید، می‌دانید که این یک فرآیند پیچیده است. اسکن‌های PET در تشخیص و پیشرفت سرطان به پزشکان کمک می‌کند، اما خود فرآیند برای بیماران چالشی بزرگ است.

شما باید ۴ تا ۶ ساعت قبل از مراجعه به بیمارستان ناشتا باشید و اگر در مناطق روستایی زندگی می‌کنید و بیمارستان محلی شما اسکنر PET ندارد، دغدغه بزرگ‌تری پیش روی شماست. در بیمارستان، با مواد رادیواکتیو تزریق می‌شوید و باید یک ساعت صبر کنید تا این مواد در بدن شما جریان پیدا کند. سپس وارد اسکنر PET شده و باید ۳۰ دقیقه بدون حرکت بمانید تا رادیولوژیست‌ها تصویر را بگیرند. بعد از آن، باید تا ۱۲ ساعت از افراد مسن، جوان و زنان باردار فاصله بگیرید، زیرا تا حدودی رادیواکتیو هستید.

چالش بعدی؟ اسکنرهای PET عمدتاً در شهرهای بزرگ متمرکزند، زیرا ردیاب‌های رادیواکتیو آن‌ها باید در سیکلوترون‌های نزدیک تولید شوند و ظرف چند ساعت استفاده شوند، که دسترسی به این خدمات در بیمارستان‌های روستایی و مناطق دیگر را محدود می‌کند.

اما تصور کنید اگر می‌توانستید با استفاده از هوش مصنوعی، اسکن‌های CT را که دسترسی‌پذیرتر و مقرون به صرفه‌تر هستند، به اسکن‌های PET تبدیل کنید؟ این همان ایده‌ای است که توسط RADiCAIT ارائه شده است؛ شرکتی نوپا از دانشگاه آکسفورد که با پیگیری‌های این ماه و تامین پیش‌بذری 1.7 میلیون دلاری، وارد میدان شده است.

روش اصلی RADiCAIT یک شبکه عصبی ژرف مولد است که در سال 2021 توسط تیمی به رهبری ریجنت لی، هم‌بنیانگذار و رئیس اطلاعات پزشکی شرکت، در دانشگاه آکسفورد ابداع شده است.

این مدل با مقایسه اسکن‌های CT و PET، روابط آن‌ها را می‌آموزد و الگوهای مرتبط را استخراج می‌کند. سینا شاهنده، متخصص ارشد فناوری RADiCAIT، این روش را به پیوند دادن 'پدیده‌های فیزیکی متفاوت' تشبیه می‌کند. سپس مدل برای توجه بیشتر به ویژگی‌ها یا جنبه‌های خاصی از اسکن‌ها مانند بافت‌های خاص یا ناهنجاری‌ها هدایت می‌شود.

تصویر نهایی که برای بررسی به پزشکان ارائه می‌شود، با ترکیب چندین مدل به دست می‌آید. از روش‌های گوگل دیپ‌مایند برای پیش‌بینی ساختار پروتئین‌ها نیز مشابهت دارد.

والش ادعا می‌کند که تیم RADiCAIT می‌تواند از نظر ریاضی ثابت کند که تصاویر PET مصنوعی یا تولید شده توسط آن‌ها از نظر آماری با اسکن‌های PET شیمیایی واقعی مشابه هستند.

اگرچه RADiCAIT وعده نمی‌دهد که نیاز به اسکن‌های PET را در زمینه‌های خاص درمانی مانند درمان با رادیولیگاند که سلول‌های سرطانی را می‌کشد، برطرف کند، اما برای تشخیص، مرحله‌بندی و نظارت، شاید فناوری آن‌ها اسکن‌های PET را غیر ضروری کند.

تیم RADiCAIT، از چپ به راست: JP Sampson، مدیر عملیاتی؛ شان والش، مدیر عامل؛ سینا شاهنده، مدیر فناوری؛ ریجنت لی، رئیس اطلاعات پزشکی.

RADiCAIT آزمایش‌های بالینی خود را برای آزمایش سرطان ریه با سیستم‌های بهداشتی معتبر آغاز کرده است و اکنون در جستجوی تاییدیه FDA است. هدف بعدی پس از دریافت تاییدیه، انجام آزمایش‌های تجاری و اثبات قابلیت تجاری این محصول است.

شاهنده گفت روش RADiCAIT برای استفاده از هوش مصنوعی و به دست آوردن اطلاعات معتبر بدون نیاز به آزمایش‌های دشوار و گران‌قیمت، 'به طور گسترده کاربردی' است.

'ما در حال بررسی گسترش در حوزه رادیولوژی هستیم.' شاهنده افزود: 'انتظار می‌رود نوآوری‌های مشابهی در مرتبط کردن حوزه‌هایی از علوم مواد تا زیست‌شناسی، شیمی و فیزیک دیده شود، هر جا که روابط پنهان طبیعت را می‌توان آموخت.'

اگر می‌خواهید درباره RADiCAIT بیشتر بدانید، به رخداد Disrupt از ۲۷ تا ۲۹ اکتبر در سان فرانسیسکو بپیوندید. منبع: TechCrunch