Τεχνητή νοημοσύνη βοηθά στην πρόβλεψη υποτροπής εγκεφαλικού όγκου σε παιδιά

Μια νέα καινοτόμος προσέγγιση στην παρακολούθηση παιδικών εγκεφαλικών όγκων δείχνει ότι η τεχνητή νοημοσύνη μπορεί να προσφέρει αξιόπιστες προβλέψεις για την υποτροπή των όγκων, χρησιμοποιώντας διαδοχικές μαγνητικές τομογραφίες (MRI). Η τεχνική αυτή, γνωστή ως "temporal learning", αναλύει τις αλλαγές στις εικόνες του εγκεφάλου μετά τη θεραπεία, επιτυγχάνοντας ακρίβεια πρόβλεψης που κυμαίνεται από 75% έως 89%, σημαντικά υψηλότερη από τις παραδοσιακές μεθόδους, οι οποίες προσφέρουν περίπου 50% ακρίβεια.

Η μελέτη, που δημοσιεύθηκε στο NEJM AI στις 24 Απριλίου 2025, πραγματοποιήθηκε από το Mass General Brigham σε συνεργασία με το Boston Children's Hospital και το Dana-Farber/Boston Children's Cancer and Blood Disorders Center. Η ομάδα χρησιμοποίησε δεδομένα από 3994 εικόνες MRI παιδιών, και ανέπτυξε μια μέθοδο αυτοεκπαίδευσης (self-supervised learning), που επιτρέπει στην τεχνητή νοημοσύνη να αναγνωρίζει υποκείμενα μοτίβα και να προβλέπει την πιθανότητα υποτροπής του όγκου με βάση τις αλλαγές που παρατηρούνται στις εικόνες με την πάροδο του χρόνου.

Αυτή η καινοτόμος μέθοδος υπόσχεται να μειώσει την ανάγκη για περιττές εξετάσεις, μειώνοντας το άγχος των παιδιών και των οικογενειών τους, ενώ ταυτόχρονα επιτρέπει πιο στοχευμένη και έγκαιρη παρέμβαση για τα παιδιά με υψηλότερο κίνδυνο υποτροπής. Οι ερευνητές θεωρούν ότι αυτή η τεχνική μπορεί να εφαρμοστεί σε άλλες μορφές καρκίνου και χρόνιες παθήσεις, προσφέροντας νέες δυνατότητες στην ιατρική παρακολούθηση και πρόβλεψη.