هوش مصنوعی تومور مغزی را به جای پزشکان رصد می‌کند
با این وجود هنوز فرصت پیشرفت در روش‌های کنترل بیماری‌های مختلف به خصوص سرطان وجود دارد. تشخیص به موقع سرطان گامی مهم در درمان موثر این بیماری است، زیرا شانس زنده ماندن فرد مبتلا را مشخص می‌کند. بین انواع مختلف سرطان گلیوما اهمیت زیادی دارد؛ زیرا شایع‌ترین تومور مغزی اولیه است و سطوح تهاجمی مختلفی دارد. یکی از روش‌های رصد این بیمار استفاده از MRI است که چشم‌انداز بصری دقیقی از تومور و بخش‌های مختلف آن فراهم می‌کند و در نتیجه رصد دقیق مکان، شکل و ویژگی‌های منطقه‌ای آن ممکن می‌شود.
در همین راستا گروهی از محققان ایرانی در داخل و خارج از کشور به نام‌های آرمین بنکدار، نسترن شکوری‌فر از دانشگاه خواجه نصیرالدین طوسی و مجید سلطانی و کامران راحمی‌فر از دانشگاه واترلو کانادا رابطه بین حداکثر قطر مناطق فرعی تومور و شاخصOS در موارد ابتلا به گلیوبلاستوم را بررسی کردند. آنها برای این منظور از مخزن داده‌های MRI بیماران گلیوبلاستوم استفاده و آنها را براساس وضعیت جراحی برداشت تومور به ۲ گروه «برداشتن کل ناخالصی» (GTR) و برداشتن میزان نامشخص (NA) تقسیم کردند. در مرحله بعد آنها از یک الگوریتم خاص استفاده کردند و حداکثر قطر مناطق فرعی تومور را تخمین زدند. سپس از الگوریتم‌های ماشین یادگیری برای بررسی رابطه بین حداکثر قطر مناطق زیرمجموعه‌ای و نرخ زنده ماندن بیمار استفاده شد. نتایج مدل‌های پیش‌بینی تک متغیره نشان داد که حداکثر قطر نواحی اطراف تومور با میزان بقای بیمارانی که میزان برداشت تومور آنها ناشناخته است، ارتباط دارد.
