پژوهشگران "کالج سلطنتی لندن"(Imperial College London) و "دانشگاه ملبورن"(University of Melbourne) استرالیا موفق شدهاند با کمک هوش مصنوعی، سرطان تخمدان را بسیار دقیقتر از روشهای کنونی پیشبینی کنند. آنها همچنین، از عهده پیشبینی مؤثرترین درمان برای بیماران مبتلا به این سرطان نیز برآمدند.سرطان تخمدان، ششمین سرطان متداول در زنان است و معمولاً زنانی که به مرحله یائسگی وارد میشوند و یا سابقه خانوادگی این بیمارای را دارند، تحت تأثیر قرار میدهند. شاید تشخیص زودهنگام این بیماری بتواند به نجات بیماران کمک کند.پزشکان، سرطان تخمدان را با کمک روشهای گوناگونی از جمله آزمایش خون انجام میدهند و سپس از سیتیاسکن کمک میگیرند. این کار به آنها کمک میکند میزان گسترش بیماری را تشخیص دهند و نوع درمان مناسب را تعیین کنند اما اسکنها نمیتوانند بینش کاملی از نتایج احتمالی درمان بر بیماران ارائه دهند؛ در نتیجه این گروه پژوهشی برای تشخیص میزان تهاجم تومورها، نرمافزاری موسوم به "تکسلب"(TEXLab) ابداع کردند و آن را بین سالهای ۲۰۰۴ تا ۲۰۱۵، روی نمونه بافت ۳۶۴ زن مبتلا به سرطان تخمدان مورد آزمایش قرار دادند.
پژوهشگران باور دارند که این فناوری میتواند به پزشکان کمک کند تا بهترین درمان را با سرعت بیشتر برای بیماریها پیدا کنند و راه را برای ارائه درمانهای شخصیسازی شده هموار سازند. آنها امیدوارند که بتوان با این فناوری، بیماران مبتلا به سرطان تخمدان را براساس نوع سرطان آنها در گروههای متفاوت طبقهبندی کرد.پروفسور "اریک آبوآجی"(Eric Aboagye)، استاد کالج سلطنتی لندن و نویسنده ارشد این پژوهش گفت: به رغم پیشرفتهای صورت گرفته در درمان سرطان، میزان نجات بیماران مبتلا به سرطان پیشرفته تخمدان، بسیار پایین است؛ در نتیجه نیاز به روشهای جدید برای درمان این بیماری، به شدت احساس میشود. فناوری ما میتواند اطلاعات جامعتر و دقیقتری را در مورد نحوه واکنش بیماران به درمانهای متفاوت ارائه دهد و به پزشکان کمک کند تصمیمات بهتر و هدفمندتری در این مورد بگیرند.
پروفسور "آن دریا روکال"(Andrea Rockall)، از نویسندگان این پژوهش گفت: هوش مصنوعی میتواند روش درمانی و نتایج حاصل از آن را بهبود بخشد. نرمافزار ما، نمونهای از این توانایی هوش مصنوعی است و ما امیدواریم بتوانیم از این ابزار برای مراقبت و درمان بیماران مبتلا به سرطان تخمدان استفاده کنیم.این نرمافزار، چهار ویژگی زیستی تومور یعنی ساختار، شکل، اندازه و آرایش ژنتیکی را مورد بررسی قرار میدهد تا به تشخیص درستی دست پیدا کند.پژوهشگران، نتیجه به دست آمده از نرمافزار را با نتایج آزمایش خون بیماران مقایسه کردند و دریافتند که تشخیص نرمافزار، تا چهار برابر دقیقتر از روشهای استاندارد کنونی است.آبوآجی افزود: شاید بتوان از این فناوری برای شناسایی بیمارانی که واکنشی به درمانهای استاندارد نشان ندادهاند، استفاده کرد و درمانهای جایگزینی را به آنها پیشنهاد داد.این پژوهش، در مجله "Nature Communications" به چاپ رسید.