پزشکی و سلامت

ارزیابی نمونه برداری مجازی ضایعات مغزی با استفاده از رادیومیکس توسط پژوهشگر ایرانی

پژوهشگران گروه فیزیک پزشکی دانشگاه تربیت مدرس طی پژوهشی به ارزیابی نمونه برداری مجازی ضایعات مغزی با تظاهر رادیولوژیکی مشابه با استفاده از رادیومیکس تصاویر MRI الگوریتم های محاسباتی یادگیری ماشین پرداختند.روش طلایی تشخیص نوع و درجه تومور برای اعمال روش درمانی موثر انجام نمونه برداری مستقیم از بافت توموری است. اما این روش تهاجمی با استفاده از سوزن‌های مخصوص و جراحی باز مغز صورت می‌پذیرد. استفاده از رادیومیکس و الگوریتم‌های محاسباتی یادگیری ماشین بر روی تصاویر MRI می‌تواند در تشخیص افتراقی تومورها نقش به سزایی داشته باشد .سالار بیجاری که این پژوهش در قالب رساله دکترای تخصصی وی در رشته فیزیک پزشکی انجام شد، با بیان مطلب فوق درباره طرح تحقیقاتی خود گفت: در این مطالعه تعداد 198 بیمار در 5 کلاس بیماری جمع آوری و طبقه بندی شدند.

کلاس یک (گلیومای درجه بالا) 48 بیمار، کلاس دو (متاستاز مغزی) 41 بیمار، کلاس سه (مننژیوما مغزی) 38 بیمار، کلاس چهار (آبسه و لنفوم مغزی) 29 بیمار و کلاس پنجم (گلیومای درجه پایین) 42 بیمار که به ترتیب برای هر کلاس ثبت و جمع آوری شد. این پژوهشگر ادامه داد: 5 توالی تصویر یابی T1-W ، T2-W ، T2-W Flair ، DWI و T1+CE انجام شد و از هر توالی 107 ویژگی کمی با استفاده از نرم افزار تری دی اسلایسر و 9 ویژگی کیفی نیز توسط پزشک استخراج شد.وی افزود: پس از بررسی ICC ویژگی‌های استخراج شده، ویژگی‌های ICC بالای 0/75 انتخاب شد. سپس در دو حالت با و بدون تبدیل موجک (30 حالت تبدیل موجک)، 10 روش کاهش بعد و 13 روش یادگیری ماشین بر داده‌های آموزش و آزمون اعمال شد.

بیجاری در ادامه تشریح کرد: پس از بهینه سازی مدل های مختلف در گروه آموزش، نتایج سطح زیر منحنی راک(AUC) ، دقت و F1-score برای گروه آزمون محاسبه شد. به گفته این پژوهشگر در حالت بدون تبدیل موجک، کاهش بعد PCA و رگرسیون لجستیک بعنوان مدل مناسب انتخاب شد که نتایج AUC، دقت و F1-score به ترتیب، 0/94 ، 0/91 و 0/90 محاسبه شد. وی افزود: همچنین در قسمت تبدیل موجک، تبدیل موجک 5.5 bior به همراه کاهش بعدلاپلاسین و جنگل تصادفی بعنوان مدل مناسب انتخاب گردید و به ترتیب نتایج آن 0/97 ،0/96 و 0/96 محاسبه شد. مدل با تبدیل موجک موجب افزایش خروجی مدل شد.این پژوهشگر دانشگاه تربیت مدرس در پایان گفت: استفاده از روش های رادیومیکس و الگوریتم های یادگیری ماشین می تواند به تفکیک افتراقی ضایعات مغزی کمک کند و خطرات ناشی از نمونه برداری مستقیم را کاهش دهد.گفتنی است؛ این پژوهش در قالب رساله دکترای تخصصی سالار بیجاری با راهنمایی پرویز عبدالمالکی عضو هیأت علمی دانشگاه تربیت مدرس انجام شد.