تومور‌های پنهان ریه با هر نفس لو می‌روند!
در عرصه پرتودرمانی سرطان، دقت در تعیین مرز‌های تومور، نقشی حیاتی در موفقیت درمان ایفا می‌کند. کوچک‌ترین خطا در بخش‌بندی محل تومور می‌تواند منجر به عدم کنترل کامل سرطان یا آسیب به بافت‌های سالم اطراف شود. این فرآیند که تحت عنوان «بخش‌بندی تومور» شناخته می‌شود، هنوز در بسیاری از مراکز درمانی به‌صورت دستی توسط پزشکان انجام می‌گیرد و مستعد خطا‌های انسانی، تفاوت‌های بین‌فردی و تأخیر در فرآیند درمان است.
اکنون پژوهشگران با توسعه سامانه‌ای پیشرفته مبتنی بر هوش مصنوعی به نام iSeg افقی تازه در این حوزه گشوده‌اند. این ابزار نه‌تنها قادر است با دقتی معادل پزشکان، تومور‌های ریوی را در تصاویر سی‌تی‌اسکن به‌صورت سه‌بعدی بخش‌بندی کند، بلکه توانایی تشخیص نواحی پنهان یا نادیده‌گرفته‌شده توسط برخی متخصصان را نیز دارد. قابلیت منحصر‌به‌فرد iSeg رهگیری و ترسیم دقیق تومور در حین حرکت طبیعی ریه در زمان تنفس بیمار است؛ عاملی که تاکنون به‌عنوان یکی از پیچیده‌ترین چالش‌های برنامه‌ریزی پرتودرمانی مطرح بود.
در این گزارش به بررسی ابعاد مختلف این دستاورد نوآورانه می‌پردازیم: از چگونگی عملکرد سامانه iSeg و دقت آن در مقایسه با متخصصان، تا ظرفیت‌های بالینی، نقش آن در استانداردسازی درمان، شناسایی نواحی پنهان تومور و افق‌های توسعه آن در سایر سرطان‌ها. این فناوری ممکن است به‌زودی نقشه پرتودرمانی را برای همیشه بازنویسی کند.
چالش‌های پزشکی در برابر پیشرفت‌های فناوری
بخش‌بندی دقیق تومور، نخستین و مهم‌ترین گام در طراحی پرتودرمانی مؤثر است. فرآیندی که در آن، پزشک باید مرز‌های سه‌بعدی تومور را مشخص کند تا اشعه‌ی درمانی بتواند با دقت بر بافت‌های سرطانی متمرکز شود و از آسیب به اندام‌های حیاتی اطراف مانند قلب و ریه جلوگیری گردد.
با وجود نقش حیاتی این مرحله، در بسیاری از موارد، تعیین محل دقیق تومور با اتکا به تفسیر پزشک، ممکن است با خطا، تأخیر یا عدم تطابق میان مراکز درمانی همراه باشد. به‌علاوه، حرکت طبیعی ریه در زمان تنفس، کار را پیچیده‌تر می‌کند و احتمال خطا را افزایش می‌دهد. به همین دلیل، توسعه ابزار‌های هوشمند و استاندارد برای خودکارسازی و بهبود این فرآیند، به ضرورتی فوری در انکولوژی پرتوی بدل شده است.
iSeg حاصل چندین سال تحقیق بین‌رشته‌ای در حوزه رادیولوژی، هوش مصنوعی و فیزیک پزشکی است. این سامانه، نخستین ابزار یادگیری عمیق است که توانایی بخش‌بندی تومور‌ها را به‌صورت سه‌بعدی و همراه با تطبیق حرکات تنفسی بیمار ارائه می‌دهد. به بیان ساده‌تر، iSeg می‌تواند جایگاه دقیق تومور را در هر لحظه از چرخه تنفس بیمار بازسازی کند.
مطالعه‌ی جدیدی که در تاریخ ۳۰ ژوئن ۲۰۲۵ در ژورنال معتبر npj Precision Oncology منتشر شد، نشان می‌دهد iSeg نه‌تنها در تطابق با نتایج ترسیم‌شده توسط پزشکان عملکردی مشابه دارد، بلکه در بسیاری از موارد، نواحی پرخطری را نیز شناسایی می‌کند که در بررسی دستی پزشکان از قلم افتاده‌اند — نواحی‌ای که نادیده گرفتن آنها می‌تواند منجر به بازگشت مجدد تومور یا کاهش اثربخشی درمان شود.
اعتبار علمی بر پایه داده‌های چندمرکزی
برای توسعه و ارزیابی عملکرد iSeg، پژوهشگران دانشگاه نورث‌وسترن از پایگاه داده‌ای گسترده شامل تصاویر سی‌تی‌اسکن و بخش‌بندی‌های پزشکان در ۹ مرکز درمانی استفاده کردند. این داده‌ها متعلق به صد‌ها بیمار مبتلا به سرطان ریه بودند و از بیمارستان‌ها و کلینیک‌های دانشگاه نورث‌وسترن و کلینیک کلیولند گردآوری شدند.
این رویکرد چندمرکزی، برتری چشمگیری نسبت به مطالعات پیشین دارد که عموماً بر داده‌های محدود از یک بیمارستان تکیه داشتند. پس از آموزش سامانه، عملکرد iSeg بر روی داده‌های جدید و ناشناخته آزموده شد و با ارزیابی تطبیقی میان خروجی آن و ترسیم‌های پزشکان متخصص، نتایج دقیق و قابل اتکایی به‌دست آمد.
از ابزار تشخیص تا تحول در عدالت درمانی
محمد عبزید، رئیس دپارتمان انکولوژی پرتویی دانشگاه نورث‌وسترن و نویسنده ارشد این مقاله، در این‌باره می‌گوید: «ما به نقطه‌ای رسیده‌ایم که می‌توانیم درمان سرطان را با دقتی فراتر از تصورات گذشته برنامه‌ریزی کنیم. هدف ما از توسعه این فناوری، نه جایگزینی پزشک، بلکه ارتقای توانمندی‌های اوست.»
از دیدگاه بالینی، iSeg می‌تواند:
• فرآیند بخش‌بندی تومور را تسریع کرده و زمان شروع درمان را کاهش دهد؛
• استانداردسازی فرآیند‌های تشخیصی را در سراسر مراکز درمانی ممکن کند؛
• با شناسایی نواحی پنهان تومور، احتمال درمان ناقص را کاهش دهد؛
• و نهایتاً به کاهش نابرابری در سطح خدمات درمانی منجر شود، به‌ویژه در مناطقی با کمبود متخصصان فوق‌تخصصی.
فراتر از ریه به سوی مغز، پروستات و کبد
تیم پژوهشی iSeg در حال حاضر مراحل آزمایش بالینی در محیط‌های درمانی واقعی را آغاز کرده است و قصد دارد این فناوری را به سایر انواع سرطان از جمله کبد، مغز و پروستات نیز توسعه دهد. همچنین تطبیق این سامانه با سایر روش‌های تصویربرداری پزشکی مانند MRI و PET نیز در دستور کار قرار دارد.
تروی تئو، هم‌نویسنده مقاله و استاد انکولوژی پرتویی در دانشگاه نورث‌وسترن، در این‌باره اظهار داشت: «ما این سامانه را به‌عنوان ابزاری بنیادی می‌بینیم که می‌تواند فرآیند بخش‌بندی تومور را در سراسر مراکز درمانی استاندارد و همگون سازد. این مسئله به‌ویژه در مراکزی که دسترسی محدودی به تخصص‌های فوق‌تخصصی دارند، بسیار حیاتی است.»
بر اساس نتایج منتشرشده، عملکرد iSeg در مطابقت با بخش‌بندی پزشکان، در اکثر موارد بالاتر از ۹۰٪ دقت داشته و در برخی موارد نیز نواحی اضافی را شناسایی کرده است که در بررسی‌های بعدی، به‌عنوان بافت‌های سرطانی تأیید شده‌اند.
تیم پژوهشی در حال توسعه نسخه‌هایی از سامانه با قابلیت بازخورد زنده پزشک است تا بتوان از آن به‌صورت تعاملی در روند برنامه‌ریزی پرتودرمانی استفاده کرد. انتظار می‌رود بهره‌برداری بالینی گسترده از این فناوری طی یک تا دو سال آینده در مراکز درمانی منتخب آغاز شود.
هوش مصنوعی به‌مثابه ابزار توانمندساز در درمان سرطان
فناوری iSeg را می‌توان نمونه‌ای شاخص از کاربرد هوش مصنوعی در حوزه پزشکی دقیق دانست؛ سامانه‌ای که نه‌تنها دقت تشخیص را بهبود می‌بخشد، بلکه در جهت عدالت درمانی، افزایش سرعت فرآیند درمان و کاهش وابستگی به تشخیص انسانی گام‌های مهمی برمی‌دارد.
با توسعه بیشتر و گسترش به سایر حوزه‌های انکولوژی، این ابزار می‌تواند به یکی از اجزای اصلی در مسیر درمان سرطان تبدیل شود و نقش محوری در طراحی درمان‌های شخصی‌سازی‌شده، سریع، دقیق و منصفانه ایفا کند.
هرچند بهره‌برداری گسترده بالینی از این فناوری هنوز در مرحله ارزیابی و تکمیل قرار دارد، اما نتایج اولیه بسیار امیدوارکننده‌اند. در آینده‌ای نزدیک، ممکن است iSeg و فناوری‌های مشابه، نه‌تنها در درمان سرطان ریه، بلکه در تشخیص و درمان سایر تومور‌ها همچون مغز، کبد و پروستات نیز به کار گرفته شوند و بدین ترتیب، عصر جدیدی از پرتودرمانی هوشمند، دقیق و شخصی‌سازی‌شده آغاز شود.
