به گزارش ایسنا، سلولهای سرطانی در گردش خون که به اختصار CTC نامیده میشوند، سلولهایی هستند که از تومور اصلی جدا شده و وارد جریان خون میشوند. حضور این سلولها در خون میتواند نشانهای از گسترش بیماری در بدن باشد. از آنجا که این سلولها میتوانند به اندامهای دیگر مهاجرت کرده و تومورهای جدید ایجاد کنند، شناسایی آنها اهمیت بسیار زیادی دارد. پزشکان و پژوهشگران سالهاست تلاش میکنند راهی دقیق و سریع برای تشخیص این سلولهای کمیاب پیدا کنند، زیرا وجود آنها میتواند به تشخیص زودهنگام سرطان، پایش روند پیشرفت بیماری و ارزیابی میزان اثربخشی درمان کمک کند.
با این حال، یکی از چالشهای اصلی در این زمینه، تعداد بسیار کم این سلولها در مقایسه با سایر اجزای خون است. در هر نمونه خون، میلیونها گلبول قرمز و سفید وجود دارد، در حالی که تعداد CTCها ممکن است بسیار اندک باشد. همین موضوع باعث میشود شناسایی و شمارش آنها دشوار و زمانبر شود. در سالهای گذشته روشهای مختلفی برای جداسازی این سلولها توسعه یافته است، از جمله استفاده از آنتیبادیهای اختصاصی، جداسازی بر اساس اندازه یا چگالی، بررسی میزان چسبندگی سلولها یا بهرهگیری از ویژگیهای فیزیکی مانند خواص آکوستیکی و هیدرودینامیکی. هر یک از این روشها مزایا و محدودیتهای خاص خود را دارند و همچنان نیاز به راهکارهای دقیقتر احساس میشود.
در همین راستا، هاجر مقدس، استادیار گروه مهندسی مکانیک دانشگاه یاسوج، به همراه یکی از همکاران دانشگاهی خود، پژوهشی را درباره کاربرد هوش مصنوعی در تشخیص سلولهای سرطانی در جریان خون انجام دادهاند. آنها در این مطالعه به بررسی ساختارها و مبانی روشهای هوش مصنوعی مورد استفاده برای شناسایی و شمارش این سلولها پرداختهاند و تلاش کردهاند تصویری جامع از پیشرفتهای انجامشده در این حوزه ارائه دهند.
این پژوهش به صورت یک مطالعه مروری انجام شده است. به این معنا که محققان با بررسی نظاممند مطالعات پیشین، کاربردهای یادگیری ماشین و یادگیری عمیق را در شناسایی خودکار سلولهای سرطانی در نمونههای واقعی خون تحلیل کردهاند. یادگیری ماشین شاخهای از هوش مصنوعی است که به سیستمها امکان میدهد با استفاده از دادهها الگوها را یاد بگیرند، و یادگیری عمیق شکل پیشرفتهتری از آن است که از شبکههای …
