جراحی مغز با هوش مصنوعی؛ نخستین پشتیبانی زنده AI در جراحی تومور هیپوفیز

نخستین جراحی مغز با پشتیبانی زنده هوش مصنوعی؛ چگونه هوش مصنوعی در لحظه به جراحان برای حفظ بینایی کمک کرد؟

تصور کنید جراح در حال انجام یکی از ظریف‌ترین اعمال جراحی مغز است؛ در عمق جمجمه، در مجاورت عصب بینایی، رگ‌های حیاتی و ساختارهایی که یک خطای میلی‌متری می‌تواند پیامدهای جبران‌ناپذیری داشته باشد. حالا تصور کنید در همان لحظه، یک سامانه هوش مصنوعی نیز ویدیوی زنده میدان جراحی را تحلیل کند و اطلاعاتی درباره ساختارهای حیاتی، ابزارهای جراحی و رابطه آن‌ها با بافت در اختیار تیم جراحی قرار دهد.

این تصویر دیگر صرفاً متعلق به آینده نیست.

در یک دستاورد قابل‌توجه در حوزه هوش مصنوعی پزشکی (Medical AI) و جراحی مغز و اعصاب (Neurosurgery)، جراحان در بریتانیا از یک سامانه هوش مصنوعی برای پشتیبانی زنده در جریان جراحی تومور مغزی استفاده کردند؛ سامانه‌ای که به‌جای تکیه صرف بر تصاویر پیش از عمل، می‌توانست آنچه را در میدان جراحی و در زمان واقعی اتفاق می‌افتد تحلیل کند.

نخستین بیمار این کارآزمایی، مردی ۴۸ ساله به نام ریس هیبرت از بدفوردشر انگلستان بود که به‌دلیل وجود توموری در ناحیه هیپوفیز و فشار آن بر مسیرهای بینایی، بخش قابل‌توجهی از دید محیطی خود را از دست داده بود.

هدف جراحی فقط خارج کردن تومور نبود؛ حفظ ساختارهای حیاتی و جلوگیری از آسیب بیشتر به مسیر بینایی نیز اهمیت حیاتی داشت.

چرا جراحی تومور هیپوفیز تا این اندازه حساس است؟

غده هیپوفیز (Pituitary Gland) ساختاری کوچک اما بسیار مهم در قاعده مغز است که در تنظیم بسیاری از فرایندهای هورمونی بدن نقش دارد. این غده در ناحیه‌ای قرار گرفته که اطراف آن ساختارهای عصبی و عروقی بسیار مهمی وجود دارند.

در مجاورت این ناحیه، اعصاب بینایی (Optic Nerves) و مسیرهای مرتبط با بینایی قرار گرفته‌اند. همچنین رگ‌های خونی مهمی از جمله ساختارهای مرتبط با شریان‌های کاروتید در نزدیکی آن قرار دارند.

به همین دلیل، جراحی در این منطقه به دقت بسیار بالایی نیاز دارد.

یک آسیب ناخواسته به مسیرهای بینایی می‌تواند به اختلال شدید یا حتی از دست رفتن بینایی منجر شود. آسیب عروقی نیز می‌تواند پیامدهای بسیار جدی، از جمله خونریزی یا سکته مغزی، ایجاد کند.

این همان نقطه‌ای است که فناوری‌های هدایت جراحی (Surgical Guidance) و هوش مصنوعی در جراحی مغز می‌توانند اهمیت پیدا کنند.

محدودیت روش‌های سنتی چیست؟

در جراحی‌های مغز و اعصاب، جراحان پیش از شروع عمل از روش‌های مختلف تصویربرداری برای شناخت آناتومی بیمار استفاده می‌کنند. تصاویر MRI و سایر داده‌های تصویربرداری به جراح کمک می‌کنند موقعیت تومور، ساختارهای عصبی و عروقی و مسیر مناسب برای دسترسی به ضایعه را مشخص کند.

اما یک مسئله اساسی وجود دارد:

مغز و بافت‌های اطراف آن در طول جراحی الزاماً دقیقاً همان موقعیتی را حفظ نمی‌کنند که در تصاویر پیش از عمل دیده شده است.

تغییر شکل بافت، خارج شدن تومور، تغییرات فشار و عوامل دیگر می‌توانند رابطه فضایی ساختارها را در طول جراحی تغییر دهند؛ پدیده‌ای که در جراحی مغز با مفهوم جابجایی مغز (Brain Shift) شناخته می‌شود.

بنابراین، داشتن یک تصویر دقیق از مغز پیش از عمل بسیار ارزشمند است، اما لزوماً تمام اطلاعات مورد نیاز جراح را در لحظه جراحی فراهم نمی‌کند.

فناوری جدید تلاش می‌کند بخشی از این فاصله را با تحلیل ویدیوی زنده میدان جراحی کاهش دهد.

هوش مصنوعی چگونه در این جراحی به جراح کمک کرد؟

سامانه مورد استفاده در این پروژه در مؤسسه هاکس در University College London (UCL) توسعه یافته است.

این سامانه با استفاده از صدها ویدیوی جراحی آموزش داده شده تا بتواند عناصر مختلف موجود در میدان جراحی را شناسایی کند؛ از جمله ساختارهای آناتومیک حیاتی، ابزارهای جراحی و نحوه تعامل ابزارها با بافت.

به بیان ساده، الگوریتم تلاش می‌کند از طریق بینایی ماشین (Computer Vision) و هوش مصنوعی درک کند که در میدان جراحی چه چیزی در مقابل دوربین قرار دارد.

این فناوری یک تفاوت اساسی با تصویری دارد که گاهی از «جراح رباتیک» در ذهن مردم شکل می‌گیرد.

هوش مصنوعی در این جراحی خودش عمل جراحی را انجام نمی‌داد.

این نکته از نظر علمی بسیار مهم است.

جراح همچنان تصمیم‌گیرنده و کنترل‌کننده عمل بود و ابزارهای جراحی نیز توسط انسان هدایت می‌شدند. هوش مصنوعی نقش یک سامانه پشتیبان تصمیم‌گیری (Decision Support System) را ایفا می‌کرد.

در واقع، هدف فناوری جایگزین کردن جراح نیست؛ بلکه فراهم کردن یک لایه اطلاعاتی اضافی برای کمک به جراح در شرایطی است که کوچک‌ترین خطا می‌تواند پیامدهای بزرگی داشته باشد.

تفاوت هوش مصنوعی پیش از عمل و هوش مصنوعی در زمان واقعی

یکی از جذاب‌ترین جنبه‌های این فناوری، حرکت از تحلیل پیش از عمل (Preoperative Analysis) به سمت تحلیل درون‌عملی (Intraoperative Analysis) است.

در رویکرد سنتی، بسیاری از اطلاعات مهم پیش از ورود بیمار به اتاق عمل جمع‌آوری می‌شوند. جراح تصاویر و اطلاعات بیمار را بررسی می‌کند و بر اساس آن‌ها برنامه جراحی را طراحی می‌کند.

اما هوش مصنوعی درون‌عملی می‌تواند داده‌هایی را که در همان لحظه تولید می‌شوند نیز بررسی کند.

در اینجا، ویدیوی جراحی به یک منبع داده تبدیل می‌شود.

سامانه می‌تواند در زمان واقعی تلاش کند ساختارهای مختلف، ابزارها و روابط میان آن‌ها را شناسایی کند و اطلاعاتی در اختیار تیم جراحی قرار دهد.

این رویکرد بخشی از روند بزرگ‌تری است که در پزشکی با عنوان Real-Time AI یا هوش مصنوعی زمان‌واقعی شناخته می‌شود.

بیمار پس از جراحی چه نتیجه‌ای گرفت؟

ریس هیبرت پیش از جراحی، به‌دلیل فشار تومور بر مسیرهای بینایی، بخش قابل‌توجهی از دید محیطی خود را از دست داده بود و این وضعیت زندگی روزمره او را تحت‌تأثیر قرار داده بود.

پس از خارج کردن موفقیت‌آمیز تومور، گزارش شده است که بینایی او به‌سرعت بهبود یافت.

هیبرت پس از بیدار شدن از عمل، وضوح بیشتر دید خود را تجربه کرد و حدود یک هفته بعد توانست بدون عینک و عصا به‌طور مستقل راه برود.

البته از نظر علمی باید میان نتیجه بالینی یک بیمار و اثبات اثربخشی یک فناوری تفاوت قائل شد.

بهبود بیمار بسیار امیدوارکننده است، اما یک مورد موفق به‌تنهایی نشان نمی‌دهد که فناوری موردنظر در تمام بیماران ایمن‌تر یا مؤثرتر از روش‌های استاندارد است.

برای پاسخ به این پرسش، به مطالعات بالینی بزرگ‌تر، مقایسه با روش‌های معمول و ارزیابی دقیق پیامدهای جراحی نیاز است.

آیا این نخستین جراحی مغز با هوش مصنوعی در جهان است؟

اهمیت این رویداد باید با دقت توصیف شود.

بر اساس گزارش منتشرشده درباره این پروژه، این عمل به‌عنوان نخستین استفاده از این سامانه هوش مصنوعی به‌صورت زنده در جراحی واقعی یک بیمار معرفی شده است.

این عبارت دقیق‌تر از آن است که بگوییم «برای نخستین بار در تاریخ، هوش مصنوعی در هر نوع جراحی مغز استفاده شد».

زیرا هوش مصنوعی پیش از این نیز در حوزه‌های مختلف نوروسرجری برای تصویربرداری، برنامه‌ریزی جراحی، تشخیص، ناوبری، تحلیل تصاویر و کاربردهای پژوهشی مورد استفاده قرار گرفته است.

نوآوری اصلی این پروژه، استفاده از سامانه‌ای است که در حین جراحی و بر اساس ویدیوی زنده میدان عمل به جراح بازخورد ارائه می‌کند.

این تمایز برای گزارش علمی دقیق اهمیت زیادی دارد.

هوش مصنوعی قرار نیست جای جراح مغز را بگیرد

شاید مهم‌ترین پیام این فناوری همین باشد.

هوش مصنوعی در پزشکی الزاماً به معنای جایگزین شدن پزشک با ماشین نیست. یکی از مهم‌ترین مسیرهای توسعه هوش مصنوعی پزشکی، ایجاد سامانه‌هایی است که توانایی‌های پزشک را تقویت کنند.

در جراحی مغز و اعصاب، این موضوع اهمیت مضاعفی دارد.

جراح علاوه بر دانش آناتومی و مهارت فنی، باید در هر لحظه تصمیم بگیرد که چگونه با شرایط غیرقابل‌پیش‌بینی میدان جراحی برخورد کند. لمس بافت، تغییرات ظریف آناتومیک، خونریزی، وضعیت بیمار و ده‌ها متغیر دیگر در تصمیم‌گیری نقش دارند.

هوش مصنوعی می‌تواند در برخی از این مراحل اطلاعات بیشتری را سریع‌تر پردازش کند؛ اما مسئولیت تصمیم نهایی همچنان با تیم پزشکی است.

این مدل را می‌توان هوش مصنوعی انسان‌محور (Human-Centered AI) در پزشکی دانست.

از بینایی ماشین تا جراحی دقیق مغز

یکی از مهم‌ترین فناوری‌های پشت چنین سامانه‌هایی، بینایی ماشین (Computer Vision) است.

بینایی ماشین شاخه‌ای از هوش مصنوعی است که به رایانه اجازه می‌دهد اطلاعات موجود در تصاویر و ویدیوها را تحلیل کند.

در محیط جراحی، این فناوری می‌تواند برای شناسایی ساختارهای آناتومیک، ابزارهای جراحی، مرزهای بافتی و تغییرات میدان عمل به کار رود.

ترکیب این قابلیت با یادگیری عمیق (Deep Learning) می‌تواند امکان آموزش الگوریتم‌ها برای شناسایی الگوهایی را فراهم کند که تشخیص آن‌ها برای سیستم‌های سنتی دشوار است.

با این حال، آموزش موفقیت‌آمیز یک الگوریتم در محیط آزمایشگاهی با عملکرد ایمن آن در اتاق عمل تفاوت بسیار زیادی دارد.

سامانه باید در برابر تنوع آناتومیک بیماران، تفاوت کیفیت تصاویر، خون، تغییر نور، ابزارهای متفاوت و شرایط غیرقابل‌پیش‌بینی جراحی مقاوم باشد.

آینده جراحی مغز چگونه خواهد بود؟

تصور کنید در آینده، جراح در اتاق عمل علاوه بر MRI و سایر تصاویر پیش از عمل، یک لایه هوشمند از اطلاعات زنده نیز در اختیار داشته باشد.

این سامانه بتواند ساختارهای حیاتی را مشخص کند، موقعیت ابزارها را تشخیص دهد، تغییرات میدان جراحی را دنبال کند و در صورت نزدیک شدن ابزار به یک ساختار حساس، هشدار مناسب ارائه دهد.

چنین فناوری‌هایی می‌توانند بخشی از آینده جراحی دقیق (Precision Surgery) باشند.

در این چشم‌انداز، اتاق عمل به محیطی تبدیل می‌شود که در آن جراح، تصویربرداری پزشکی، رباتیک، هوش مصنوعی، واقعیت افزوده و داده‌های بلادرنگ در کنار یکدیگر کار می‌کنند.

اما مسیر رسیدن به چنین آینده‌ای نیازمند احتیاط است.

هر الگوریتمی که در محیط جراحی استفاده می‌شود باید از نظر ایمنی، دقت، قابلیت تعمیم، سوگیری الگوریتمی، خطاهای تشخیصی و مسئولیت پزشکی به‌طور دقیق ارزیابی شود.

در جراحی مغز، «تقریباً درست» کافی نیست.

یک گام مهم، نه پایان مسیر

جراحی ریس هیبرت را می‌توان نمونه‌ای جذاب از حرکت هوش مصنوعی از آزمایشگاه به محیط واقعی درمان دانست؛ اما نباید آن را پایان مسیر تلقی کرد.

این فناوری تاکنون در محیط‌های پژوهشی و آموزشی مورد استفاده قرار گرفته بود و این جراحی، گامی مهم در ارزیابی کاربرد آن روی بیمار واقعی محسوب می‌شود.

ارزش واقعی چنین فناوری‌هایی زمانی مشخص خواهد شد که در تعداد بیشتری از بیماران، در شرایط مختلف و با معیارهای دقیق بالینی آزمایش شوند.

پرسش اصلی آینده فقط این نیست که:

«آیا هوش مصنوعی می‌تواند در جراحی مغز حضور داشته باشد؟»

پرسش مهم‌تر این است:

«آیا هوش مصنوعی می‌تواند به‌طور قابل‌اعتماد، ایمن و قابل‌تکرار، تصمیم‌گیری جراح را بهتر کند و پیامدهای بیماران را بهبود دهد؟»

پاسخ این پرسش به پژوهش‌های آینده وابسته است.

جمع‌بندی

نخستین استفاده بالینی از سامانه هوش مصنوعی مورد بحث در جراحی تومور هیپوفیز، تصویری روشن از مسیری ارائه می‌دهد که نوروسرجری و هوش مصنوعی در حال پیمودن آن هستند.

در این فناوری، هوش مصنوعی جایگزین جراح نشده است؛ بلکه به‌عنوان یک سامانه پشتیبان درون‌عملی و زمان‌واقعی تلاش می‌کند اطلاعات بیشتری درباره آناتومی و میدان جراحی در اختیار تیم پزشکی قرار دهد.

اهمیت این دستاورد دقیقاً در همین همکاری میان انسان و ماشین است.

جراح همچنان صاحب تصمیم بالینی است؛ اما هوش مصنوعی می‌تواند مانند یک «چشم محاسباتی» اضافی، داده‌های تصویری پیچیده را در لحظه تحلیل کند.

اگر مطالعات آینده ایمنی و اثربخشی این فناوری را تأیید کنند، چنین سامانه‌هایی می‌توانند بخشی از تحول بزرگ‌تر در جراحی مغز و اعصاب، جراحی دقیق، بینایی ماشین پزشکی و پزشکی مبتنی بر هوش مصنوعی باشند.

شاید آینده جراحی مغز نه در جایگزین شدن جراح با ماشین، بلکه در شکل‌گیری نوعی همکاری بی‌سابقه میان تجربه انسانی و قدرت محاسباتی هوش مصنوعی رقم بخورد؛ همکاری‌ای که هدف نهایی آن نه نمایش فناوری، بلکه یک هدف بسیار انسانی‌تر است:

کمک به جراح برای محافظت بهتر از مغز، بینایی و زندگی بیمار.

منبع: University College London (UCL) و گزارش منتشرشده درباره این کارآزمایی بالینی.