به گزارش اقتصادآنلاین به نقل از فارس، محققان مؤسسه کارولینسکا در استکهلم یک مدل خطر را بر اساس شبکه عصبی عمیق، نوعی از هوش مصنوعی تهیه کردند که می‌تواند مقدار زیادی از اطلاعات را از تصاویر ماموگرافی استخراج کند.
این مدل در مورد ماموگرافی از موارد تشخیص داده شده بین سالهای ۲۰۰۸ تا ۲012 آموزش داده شد و سپس در بیش از ۲۰۰۰ زن ۴۰ تا ۷۴ ساله که تحت عمل ماموگرافی قرار گرفته بودند، مورد مطالعه قرار گرفت؛ از بین ۲ هزار و ۲۸۳ زن در این تحقیق ۲۷۸ نفر بعداً به سرطان سینه مبتلا شدند.
براساس این بررسی، شبکه عصبی عمیق، ارتباط بیشتری با خطر ابتلا به سرطان سینه در مقایسه با بهترین مدل تراکم ماموگرافی را نشان داد.
در حال حاضر، بیشتر برنامه‌های غربالگری سرطان سینه بر اساس ماموگرافی«یک اندازه متناسب با همه» در فواصل زمانی مشابه، سالانه یا هر دو سال انجام می‌شود.
کارین دمبروور، نویسنده اصلی این مطالعه و رادیولوژیست سینه در انستیتوی کارولینسکا گفت: پیش بینی خطر مؤثر می‌تواند باعث افزایش حضور و اطمینان در برنامه‌های غربالگری شود.
به گفته محققان، رویکرد هوش مصنوعی همچنین با قرار گرفتن در معرض مجموعه داده‌های با کیفیت بالاتر، می‌تواند به طور مداوم بهبود یابد.
نتایج سرطان سینه بسته به نوع سرطان، میزان بیماری و سن فرد متغیر است؛ نرخ بقا در کشورهای توسعه‌یافته بالا است،به گونه‌ای که ۸۰٪ و ۹۰٪ از افراد در انگلستان و آمریکا حداقل ۵ سال زنده هستند. نرخ بقا در کشورهای در حال توسعه پایین‌تر است. در سراسر دنیا، سرطان سینه مهم‌ترین نوع سرطان در زنان است.
