_ با تشکر از حضور در این مصاحبه لطفا خودتان را معرفی کرده و سوابق علمی، پژوهشی، اجرایی و عملی خود و فعالیت‌های مرتبط با این پژوهش را بیان کنید.

با عرض سلام و تشکر از شما، اینجانب سوسن چراغی هستم دکترای تخصصی فیزیک پزشکی فارغ التحصیل دانشگاه علوم پزشکی ایران، در حال حاضر عضو هیئت علمی گروه علوم پرتویی دانشکده پیراپزشکی و عضو مرکز تحقیقات بیولوژی دانشگاه علوم پزشکی ایران هستم.

بنده چند سال اخیر علاقه مند به مطالعه و پژوهش در حوزه یادگیری ماشین و هوش مصنوعی شدم و در همن راستا طرح‌های پژوهشی و پایان نامه دانشجویی متعددی را انجام داده ام از جمله طرح‌ها و پایان نامه‌های خاتمه یافته اینجانب عبارتند از:

-طراحی سیستم هوشمند جهت تشخیص ضایعات در تصاویر رادیوگرافی اندام تحتانی به کمک شبکه های عصبی عمیق

-پیش بینی آسیب شنیداری ساقه مغز ناشی از پرتودرمانی با بررسی الگوهای تصاویر سی تی اسکن به کمک هوش مصنوعی

-بررسی ارزش تشخیصی الگوهای تصاویر سی تی اسکن برای پیش بینی آسیب کلیوی ناشی از پرتودرمانی با مدل‌های یادگیری ماشین

-طراحی سامانه دستیار رادیولوژیست برای تشخیص پنومونی کووید 19 در تصاویر سی تی اسکن با استفاده از شبکه‌‌های عصبی عمیق

-بررسی نوروپاتی ناشی از پرتو به دنبال پرتو درمانی تومورهای ناحیه سروگردن با استفاده از تست بینایی سنجی  visual evoked potentialو تصاویر سی تی اسکن بیماران به روش یادگیری ماشین

_ دلیل اصلی شما برای انتخاب این طرح تحقیقاتی و پژوهش چه بود و چه کسانی در این تحقیق یاری دهنده شما بودند؟

چراغی: همانطور که مستحضرید سرطان پستان از شیوع بالایی برخوردار است، خوشبختانه با توجه به پیشرفت‌های اخیر در حوزه درمان سرطان و استفاده از تجهیزات مدرن رادیوتراپی پاسخ به درمان سرطان پستان افزایش پیدا کرده و شانس بقا بیماران و امید به زندگی در این افراد بهبود یافته است. بنابراین در این طرح پژوهشی تلاش من و همکارانم در این راستا این بود که به کمک الگوهای نهفته در تصاویر سی تی اسکن خطر ابتلا به عارضه قلبی ناشی از پرتو درمانی در این افراد را قبل از شروع درمان پیش‌بینی کنیم.

این امر به رادیوانکولوژیست کمک می‌کند که قبل از شروع درمان ریسک ابتلا به عارضه قلبی بیماران مبتلا به سرطان پستان را تخمین زده و با دستکاری و بهینه سازی طرح درمانی، این عارضه خطرناک را به حداقل برساند. این طرح پژوهشی برگرفته از پایان نامه دانشجوی کارشناسی ارشد فرزانه انصاری است که به کمک همکارانم در دانشگاه علوم پزشکی اراک و دانشگاه خواجه نصیر طوسی و دکتر نشاسته ریز، دکتر پایدار، دکتر محققی و مهندس فعله گری انجام شد که جا دارد از تلاش و پیگیری این عزیزان در این پروژه صمیمانه تشکر کنم.

_ پژوهش تان را معرفی کرده و با معرفی ویژگی و نوآوری های آن درخصوص موضوعات و محورهای آن شرح دهید.

چراغی: در رادیوتراپی پستان، به‌خصوص پستان چپ، قلب و عروق خونی آئورت و کاروتید دچار پرتوگیری می‌شوند که این امر منجر به افزایش عوارض قلبی و مرگ و میرهای ناشی از آن می‌شود. بنابراین در این پژوهش تصمیم گرفتیم قابلیت تصاویر سی تی اسکن بیماران که به طور روتین قبل از شروع درمان از بیمار گرفته می‌شود، برای پیش پینی نارسایی قلبی ناشی از رادیوتراپی سرطان پستان ارزیابی کنیم.

میزان نارسایی قلبی را برای 54 بیمار بر اساس میزان کسر جهشی قلب به روش اکوکاردیوگرافی بررسی کردیم. نتایج پژوهش ما نشان داد 46 درصد از بیماران، سه سال پس از اتمام پرتودرمانی به نارسایی قلبی مبتلا می شوند. در ادامه، ترکیبی از ویژگی‌های کمی تصاویر سی تی اسکن که از قلب استخراج شدند و ویژگی های دوزیمتریک و بالینی بیمار را به عنوان ورودی به مدل های یادگیری ماشین دادیم تا با توجه به نتایج اکوی قلبی قدرت پیشگویی این پارامترها در ایجاد نارسایی قلبی از سوی مدل‌های مختلف هوش مصنوعی سنجیده شود.

نتایج نشان داد که از بین الگوریتم‌های یادگیری ماشین، جنگل تصادفی (Random Forest) بهترین عملکرد را با دقت 85% در پیش بینی نارسایی قلبی دارد و از مجموع ویژگی‌های کمی تصاویر، دوزیمتری و بالینی، اهمیت ویژگی‌های کمی تصویر سی تی اسکن به مراتب بیش از بقیه بود در درجات بعدی سن بیمار و حجمی از قلب که تابش دیده بود، توانستند به پیش‌بینی نارسایی قلبی ناشی از پرتودرمانی کمک کنند.

نتایج این تحقیق نقش اطلاعات حاصل از الگوهای نهفته تصاویر پزشکی را برجسته می‌کند که می‌توانیم از آن به عنوان یک ابزار پیش بینی به تشخیص زودهنگام و عوارض جدی قبل از شروع درمان پی ببریم و از این طریق به شخصی سازی درمان و درمان دقیق بیماری‌ها کمک کنیم و این نتیجه باارزش، دستاورد طرح ما بود.

_ آیا این پژوهش به مرحله اجرا و یا بهره برداری درآمده است؟

چراغی: مقاله علمی حاصل از این طرح پزوهشی در مرحله چاپ است.

_  این طرح پژوهشی چه گره ای از مشکلات مردم باز خواهد کرد؟

چراغی: در آینده طرح‌های پژوهشی مبتنی بر هوش مصنوعی به دلایل مختلفی با ارزش است، به عنوان مثال به مداخله انسانی کمتری نیاز دارند، بنابراین روش‌های دقیقی هستند چون خطای انسانی را به حداقل می‌رسانند.

همچنین در مواردی مثل مواجهه جمعیت با همه گیری یک نوع بیماری خاص، غربالگری بیماران و پیشگیری از عوارض ناخواسته درمان، هزینه‌های اقتصادی سیستم های مراقبتی، بهداشتی و درمانی را کاهش می‌دهند. علاوه بر این، طرح پژوهشی ما به رادیوانکولوژیست کمک خواهد کرد خطر ابتلا به عوارض قلبی ناشی از پرتودرمانی را در افراد مستعد تخمین زده و نتایج حاصل از آن به‌طور موثر شانس بقا بیماران و کیفیت زندگی این افراد را بعد از پرتودرمانی بالا می برد.

_ انتظار شما از مسئولین و متولیان امور پژوهشی در زمینه حمایت و یا توسعه فعالیت‌های مشابه چیست و چه راهکارهایی را پیشنهاد می‌کنید

چراغی: خوشبختانه با توجه به تاثیر چشمگیر هوش مصنوعی در تمامی زمینه‌ها، مدیران حوزه سلامت نیز در سال‌های اخیر نگاه ویژه ای به کاربرد هوش مصنوعی در پزشکی دارند. من از مسئولین و متولیان امر پژوهش، درخواست دارم که در جهت شناسایی و رفع مشکلات، به پیشبرد موثر طرح‌های پژوهشی با توجه به نیاز حوزه پزشکی کمک کنند. این امر با تشکیل کمیته‌ها و کارگروه‌های فعال و برگزاری جلسات مدون برپایه تبادل نظرات پزشکان، متخصصین و مدیران امکان پذیر است و به طراحی و توسعه تجهیزات بیمارستانی و بومی سازی سامانه‌های پزشکی کمک می‌کند.

_ اگر توضیح دیگری درخصوص برنامه‌های جاری، آینده و اهداف تان دارید در خاتمه این گفت‌وگو بفرمایید

چراغی: در حال حاضر طرح‌های پزوهشی با موضوع بررسی اثرات پرتو بر روی حافظه و ایجاد آسیب‌های شناختی همچنین اثر پرتو در آسیب عروق خونی به کمک روش‌های یادگیری ماشین در دست اجرا دارم که پیگیر نتایج حاصل از فالوآپ بیماران هستم. با افتخار وظیفه اصلی من معلمی و تدریس است، تعلیم دانش آموختگانی که در آینده در بخش‌های رادیولوژی و سی تی اسکن و MRI مشغول به‌کار خواهند شد. همزمان انجام پایان نامه‌های دانشجویی و فعالیت در مرکز تحقیقات بیولوژی پرتو و اجرای طرح‌های پژوهشی دیگر از جمله فعالیت‌های من در آینده خواهد بود.