غلامحسین روشنی

سرطان یک بحران بهداشت عمومی جهانی است و در سالان اخیر، شناخت درباره علل، پیشگیری و درمان آن بهبود چشمگیری داشته است. عوامل مختلف موجود در محیط و ژنتیک فرد ممکن است باعث افزایش خطر ابتلا به سرطان شوند. علاوه بر این، عوامل رفتاری نظیر مصرف تنباکو، مصرف الکل، نداشتن فعالیت بدنی مناسب و تغذیه نامناسب نیز می توانند خطر ابتلا به سرطان را افزایش دهند.(Rahman, Suresh, & Waly, 2018) سرطان به عنوان یک بیماری چندگانه شناخته می شود، زیرا ممکن است در انواع مختلفی از بافت ها و اعضا شکل بگیرد. برخی از انواع رایج سرطان شامل سرطان پستان، سرطان ریه، سرطان پروستات، سرطان کولورکتال و سرطان پوست هستند. هر نوع سرطان دارای علائم و درمان های خاص خود است. برای تشخیص سرطان، از روش های مختلفی استفاده می شود که شامل آزمایش خون، تصویربرداری پزشکی (مانند رادیولوژی و تصویربرداری با مغناطیس) و بیوپسی است. درمان سرطان نیز با توجه به نوع و استادهای آن متفاوت است و ممکن است شامل جراحی، شیمی درمانی، رادیوتراپی و درمان های هدفمند دارویی باشد. سرطان دستگاه گوارشی یک بیماری خطرناک است که در سیستم گوارش بدن ایجاد می شود. این نوع سرطان شامل تمام انواع سرطان هایی است که در دستگاه گوارش، شامل مری، معده، روده بزرگ و کوچک، مری و مریزان ایجاد می شود. علل اصلی این بیماری عبارتند از عوامل ژنتیک، عوامل محیطی و سبک زندگی ناسالم.(Perez Regalado, León, & Feriche, 2022)) علائم و نشانه های سرطان دستگاه گوارشی متناسب با نوع و محل بروز آن متفاوت است. برخی از علائم شایع شامل افت وزن، خستگی، تغییرات در روده، خونریزی رکتال و درد شکم هستند. اما برای تشخیص نهایی سرطان دستگاه گوارشی، باید از روش های تصویربرداری مانند آندوسکوپی، کولونوسکوپی و باریوم سودا استفاده کرد.(Thrumurthy, Chaudry, Hochhauser, & Mughal, 2013)) درمان سرطان دستگاه گوارشی به طور عمده شامل جراحی، شیمی درمانی و رادیوتراپی است. در برخی موارد، ترکیبی از این روش ها نیز استفاده می شود. هدف اصلی درمان سرطان دستگاه گوارشی، کنترل و تخریب سلول های سرطانی و جلوگیری از انتشار آن به سایر بخش های بدن است.(Tyczyńska et al., 2021)) استفاده از هوش مصنوعی در پزشکی، به ویژه در تشخیص سرطان، باعث شده است تا روش های جدیدی برای تشخیص، پیش بینی و درمان این بیماری پیشرفت کند. هوش مصنوعی یک روش محاسباتی است که از الگوریتم ها و مدل های ریاضی برای تحلیل داده ها و یادگیری خودکار استفاده می کند. در زمینه تشخیص سرطان، هوش مصنوعی به عنوان یک ابزار قدرتمند و کمک کننده به پزشکان در تشخیص دقیق و سریع برخی از نوع های سرطان مورد استفاده قرار می گیرد. استفاده از هوش مصنوعی در تشخیص سرطان به مزایای زیادی منجر می شود. اولاً، استفاده از هوش مصنوعی باعث افزایش سرعت و دقت تشخیص سرطان می شود. پزشکان با استفاده از این فناوری قادر به تشخیص سرطان در مراحل زودرس بدون نیاز به فعالیت تفسیری بالا هستند. ثانیاً، هوش مصنوعی قادر است الگوهای پنهان در داده ها را شناسایی کند و علائم سبک و نامتعارف سرطان را تشخیص دهد که به طور معمول توسط پزشکان تشخیص داده نمی شود. در نتیجه، این فناوری ممکن است به تشخیص سرطان در مواردی کمک کند که قبلاً شناسایی نمی شد.(Iqbal et al., 2021) استفاده از هوش مصنوعی در تشخیص سرطان بسیار متنوع است. یک روش استفاده از هوش مصنوعی، استفاده از شبکه های عصبی عمیق است. این شبکه ها قادر به گرفتن و پردازش حجم بالایی از داده ها هستند و می توانند الگوهای پنهان در داده ها را شناسایی کنند. با آموزش شبکه های عصبی بر روی داده های سرطان، می توان به طور خودکار و بدون نیاز به تفسیر انسانی، سلول های سرطانی را تشخیص داد.(Tran et al., 2021) شبکه های عصبی کانولوشنی (CNN) نوعی از شبکه های عصبی مصنوعی هستند که برای تحلیل داده هایی مانند تصویر، صدا و متن طراحی شده اند. (Alzubaidi et al., 2021) کانولوشن عمیق یکی از معروف ترین معماری های CNN است که شامل لایه های متعدد کانولوشن و پولینگ می باشد. در این شبکه ها، فیلترهای کانولوشن بر روی داده ها اعمال می شوند تا ویژگی ها استخراج شوند. سپس با استفاده از پولینگ، ابعاد داده کاهش پیدا می کند. مزیت اصلی CNNها نسبت به شبکه های عصبی معمولی، توانایی آن ها در تشخیص الگوهای مکانی است. کانولوشن عمیق با داشتن لایه های متعدد کانولوشن، می تواند ویژگی های پیچیده تری را استخراج کند. در طول آموزش CNN، وزن های فیلترهای کانولوشن تنظیم می شوند تا خروجی مطلوب به دست آید. برای بهینه سازی وزن ها از الگوریتم هایی مانند گرادیان کاهشی استفاده می شود.(Khan, Sohail, Zahoora, & Qureshi, 2020) شبکه های عصبی کانولوشنی می توانند در تشخیص زودهنگام سرطان گوارش کاربردهای مهمی داشته باشند. این شبکه ها می توانند برای تجزیه و تحلیل تصاویر حاصل از اندوسکوپی، کولونوسکوپی و سی تی اسکن مورد استفاده قرار گیرند تا الگوهای مشکوک به سرطان را شناسایی کنند. در مجموع، شبکه های عصبی کانولوشن با توانایی استخراج ویژگی ها از داده های مکانی، کارایی بالایی در بسیاری از کاربردها دارند. البته نیازمند منابع محاسباتی بالایی هستند.(Azer, 2020) تصاویر باند باریک (narrow banded images) یکی از تکنیک های استفاده شده در آندوسکوپی است که به کمک آن می توان به صورت دقیق تر و جزئی تر ساختارهای داخل بدن را مشاهده کرد. در این تکنیک، تصویر از طریق یک فیلتر باند باریک narrow band filter) )گرفته می شود که باعث محدود شدن نور و حذف بخش های غیرضروری از طول موج نور قرمز و سبز می شود. این فیلتر باعث افزایش نسبت سیگنال به نویز تصویر می شود و به همین دلیل تفاوت های رنگی کمتر قابل رؤیت هستند.(Barbeiro, Libânio, Castro, Dinis-Ribeiro, & Pimentel-Nunes, 2018)) NBI به عنوان یک روش تشخیصی جدید در آندوسکوپی شناخته شده است و به واسطه ورودی مناسبی که به شبکه عصبی ارائه می دهد، بسیار مورد توجه قرار گرفته است. ورودی مناسب که NBI به شبکه عصبی ارائه می دهد، به دلیل افزایش کانتراست و تمایز بین بافت های مختلف، باعث افزایش دقت در تشخیص بیماری ها می شود. شبکه عصبی با استفاده از الگوریتم های خودکار، قادر است بافت های سالم و غیرسالم را تشخیص داده و نتایج دقیق تر و قابل اعتماد تری را ارائه دهد. همچنین، استفاده از NBI در آندوسکوپی، زمان انجام عمل را نیز کاهش می دهد، زیرا نیاز به تجزیه و تحلیل دستی تصاویر کاهش پیدا می کند.(Jin et al., 2022)) دیتاست های مورد استفاده به شرح زیر می باشد: - PICCOLO: https://www.biobancovasco.org/en/Sample-and-data-e-catalog/Databases/PD178-PICCOLO-EN1.html - حاوی 1294 تصویر آندوسکوپی رنگی از معده و مری - شامل تصاویر طبیعی و غیرطبیعی - دارای اندازه ثابت 299 × 299 پیکسل - دسته بندی شده به 9 کلاس مختلف 2- Endoscopy Dataset: https://cvlab.eti.pg.gda.pl/en/publications/endoscopy-dataset - شامل 18262 تصویر آندوسکوپی و کولونوسکوپی - تصاویر طبیعی و غیرطبیعی دستگاه گوارش - اندازه و کیفیت متفاوت - دسته بندی نشده 3- BIOBANCO Dataset https://www.biobancovasco.org/en/Sample-and-data-e-catalog/PD177-Databases-EN.html - شامل بیش از 20000 تصویر آندوسکوپی و کولونوسکوپی - تصاویر طبیعی و غیرطبیعی - کیفیت و اندازه یکسان - دسته بندی شده