وتم تقديم النتائج الأولى لبحثهم في مقال نشرته المجلة العلمية APL Machine Learning.
ونقلت الخدمة الصحفية للمجلة عن الباحث بجامعة "تكساس" التكنولوجية كارل غاردنر قوله:" يسمح لنا النظام الذي طورناه باكتشاف خلايا السروح بدون استخدام أي مواد كيميائية إضافية أو ملصقات مختلفة عند تصوير الخلايا. كما يسمح لنا هذا الأمر بتوفير الموارد إلى حد بعيد وإعادة توجيهها إلى مجالات أخرى أكثر أهمية تتعلق بالوقاية من الأورام الخبيثة وعلاجها".
إن علماء الأورام على يقين من أن مناعة الإنسان قادرة على كبح نمو الأورام الخبيثة الأولية. ومع ذلك، عندما تكتسب خلاياها القدرة على التحرك من تلقاء نفسها، تحدث النقائل التي لا يراها الجهاز المناعي. وحسب العلماء الأمريكيين، فإن حوالي 90٪ من وفيات السرطان ناتجة عن النقائل. وهذا يُجبر المتخصصين على البحث عن طرق جديدة لمكافحة النقائل وتطوير أنظمة تشخيص جديدة قادرة على تحديد الخلايا الأكثر عرضة لتشكيل الأورام الخبيثة الثانوية.
وتوصل غاردنر وزملاؤه إلى استنتاج مفاده بأنه يمكن الحصول على مثل هذه المعلومات باستخدام أنظمة التعلم الآلي العميق التي يمكنها تحليل الصور المجهرية للخلايا.
وأجرى العلماء تجارب على مجموعة متنوعة من الخلايا السرطانية التي استخرجها الأطباء من الأورام الخبيثة في مبيض النساء وغدة البروستات لدى الرجال. وقد قاومت بعض هذه الخلايا العلاج بشكل غير عادي وشكلت أوراما ثانوية، بينما ماتت خلايا أخرى بسرعة عند تعرضها للعلاج الكيميائي أو العلاج المناعي.
وتابع الباحثون تطور كل مزرعة من الخلايا وأعدوا صورا لأجسام الورم الفردي من كل نوع. واستخدم الباحث غاردنر وزملاؤه هذه الصور ونتائج الرصد لتدريب شبكة خلايا عصبية اصطناعية حاولت ربط السمات المميزة في ظهور الخلايا بـ"إمكاناتها النقيلية" ، واحتمال مشاركتها في تكوين النقائل.
واتضح ان الذكاء الاصطناعي قادر على تقييم "الإمكانات النقيلية" لجميع أنواع الخلايا السرطانية المدروسة بدقة تقييما صحيحا بحيث تصل إلى 94٪ بدون استخدام أي ملصقات أو مواد كيميائية.
ويخطط العلماء في المستقبل القريب لتحسين عمل الشبكة العصبية التي أنشأوها وتكييفها للعمل مع صور مجموعات تمثل العديد من الخلايا السرطانية. وخلص الباحثون إلى أن هذا الأمر من شأنه أن يبسّط إلى حد بعيد عملية تقييم إمكانات النقائل للأورام ويجعل الابتكار أكثر ملاءمة للاستخدام في المعامل والظروف السريرية.
المصدر: تاس