بر اساس نتایج مطالعه ارائه شده در سمپوزیوم چند رشته ای سرطان سر و گردن، یک پلت فرم هوش مصنوعی سرطان تیروئید را با دقت بالایی بر اساس تجزیه و تحلیل تصاویر سونوگرافی معمول پیش بینی کرد.

آنی دبلیو چان، مدیر تحقیقات انکولوژی تشعشع سر و گردن گفت: "اگر [گره تیروئید] سرطانی باشد، می‌توانیم مرحله تومور، مرحله گره و وجود یا عدم وجود جهش BRAF را پیش‌بینی کنیم."

رادیولوژیست‌ها با ارزیابی ویژگی‌های خاص ندول مشکوک بودن یا نبودن یک ندول را برای بدخیمی تعیین می‌کنند و امتیاز سیستم داده و گزارش تصویربرداری تیروئید (TI-RADS) را تعیین می‌کنند. اگر نمره TI-RADS بالا باشد، بیماران برای رد یا تایید بدخیمی بیوپسی می‌شوند.

چان گفت که  این فرآیند دارای معایبی است، از جمله مقدار زمان مورد نیاز و تنوع قابل توجه بین ناظران. رویکرد فعلی همچنین اجازه مرحله بندی سرطان تیروئید را نمی دهد. مرحله‌بندی را تنها پس از انجام جراحی می‌توان فهمید.

چان و همکارانش یک مدل هوش مصنوعی چندوجهی برای غربالگری سرطان تیروئید و مرحله‌بندی از تصاویر اولتراسوند ایجاد کردند که ویژگی‌های اولتراسوند تعریف شده توسط TI-RADS را به عنوان ویژگی‌های یادگیری ماشینی با رادیومیک ترکیب می‌کرد که ویژگی‌های کمی را از تصاویر استخراج می‌کرد. تجزیه و تحلیل داده های توپولوژیکی برای شناسایی روابط فضایی بین نقاط داده در تصاویر و یادگیری عمیق، که در آن الگوریتم‌ها داده‌ها را از طریق لایه‌های شبکه عصبی هوش مصنوعی برای تولید پیش‌بینی پردازش می‌کنند.

به گفته چان، ترکیبی از این روش‌ها به دست آوردن داده‌های بیشتر با نویز کمتر را ممکن می‌سازد.

پلتفرم هوش مصنوعی چندوجهی به دقت 98.7% در پیش‌بینی بدخیمی‌های ندول تیروئید در مجموعه داده‌های داخلی دست یافت.

چان به Healio گفت: «گام بعدی ما انجام اعتبارسنجی آینده نگر با استفاده از پلتفرم هوش مصنوعی در آزمایش‌های بالینی چند مرکزی است. ما همچنین می‌خواهیم پلتفرم هوش مصنوعی خود را که کم‌هزینه و غیرتهاجمی است، در کشورهایی که از نظر اقتصادی محروم هستند و منابع محدود هستند، آزمایش کنیم.»

201001207.099