في خطوة جريئة نحو تعزيز فعالية العلاجات الإشعاعية، أظهرت دراسة حديثة قدرة نظم الذكاء الاصطناعي (AI) في الكشف عن التغيرات الزمنية الطفيفة في صور MR-Linac المستخدمة خلال علاج سرطان البروستاتا.

تستند الدراسة، التي أجريت بشكل رجعي، إلى تحليل صور MR-Linac بتردد 0.35 تسلا من 761 مريضًا. كانت خطوة البداية هي استخدام تقنيات التعلم العميق (Deep Learning) مع مبدأ الترتيب الزمني من خلال المقارنة الثنائية، وهو أسلوب تمت مراجعته مسبقًا ووجد أنه فعال في الدراسات التصويرية الطويلة المدى.

تم تدريب النموذج باستخدام أزواج من الجلسات الأولى والأخيرة، وأدّى الأداء المثالي للنموذج المدعوم بالذكاء الاصطناعي إلى تحقيق دقة مذهلة بلغت 95% ومؤشر AUC وصل إلى 0.99، متفوقًا بذلك على أداء الأطباء المختصين في المهام المتعلقة بالترتيب الزمني.

بالإضافة إلى ذلك، تضمن التقييم النوعي استخدام خرائط الوضوح (Saliency Maps) لتحديد المناطق التشريحية المتصلة بالتغيرات الزمنية في الصور. وكانت المناطق الرئيسية التي أسهمت في التنبؤات تشمل البروستاتا، المثانة، والعلّامة العانية.

كما أظهرت النتائج أن الأداء يرتبط بفترات العلاج وكان أقل بالنسبة للنقاط الزمنية التي لم تتعرض للإشعاع، مما يشير إلى أن التغيرات الملاحظة قد تعكس التباين الزمني المزدوج وتأثير الإشعاع.

ختامًا، يبدو أن صور MR-Linac قادرة على التقاط التغيرات الدقيقة خلال علاج سرطان البروستاتا، ويبرز هذا البحث إمكانيات جديدة لتوسيع استخدام هذا النوع من التصوير ليشمل التطبيقات السريرية وراء مجرد توجيه الصور. هل أنتم مع هذا الاتجاه الجديد في الطب؟ شاركونا آراءكم في التعليقات.