🧠آیا میتوان همزمان نورونها را دید و کنترل کرد؟ برای دههها، دانشمندان فقط میتوانستند فعالیت نورونها را ثبت کنند یا با استفاده از نور، آنها را تحریک یا مهار کنند؛ اما انجام هر دو کار بهطور همزمان، یکی از بزرگترین چالشهای علوم اعصاب بود. اکنون پژوهشگران…🤖هوش مصنوعی در خدمت پلنینگ رادیوتراپی!در رادیوتراپی، هدف فقط رساندن دوز کافی به تومور نیست؛ باید همزمان تا حد ممکن از بافتهای سالم محافظت کنیم. حالا Deep Learning در حال ورود به یکی از حساسترین مراحل این فرایند، یعنی طراحی Treatment Plan است.در یک مطالعه جدید، پژوهشگران از یک مدل 3D Fusion Residual U-Net استفاده کردند تا ابتدا توزیع دوز مناسب را پیشبینی کنند و سپس این پیشبینی را به یک پلن واقعی و قابلتحویل VMAT/IMRT تبدیل کنند. نتایج جالب بود: پلنهای خودکار توانستند پوشش PTV را در حد قابلمقایسه با پلنهای بالینی حفظ کنند و در عین حال، دوز برخی OARها را کاهش دهند. در پلنهای IMRT، حجم مثانه و رکتوم دریافتکننده 45 Gy بهترتیب حدود ۷٪ و ۹٪ کمتر شد. حتی بررسی Patient-Specific QA نیز قابلیت تحویل این پلنها را تأیید کرد. نکته جذاب مطالعه اینجاست AI فقط «دوز مناسب را بیان نکرد!!»؛ این پیشبینی وارد Treatment Planning شد و در نهایت به یک پلن قابل اجرا تبدیل شد🔥💯🧠شاید آینده رادیوتراپی، جایگزینی فیزیسیست رادیوتراپی با AI نباشد؛ بلکه همکاری انسان و هوش مصنوعی برای ساخت بهترین پلن ممکن برای هر بیمار باشد.📚 ReferenceHuang W, et al. Automatic radiotherapy planning for deliverable plans using deep learning dose prediction and dose rings optimization in cervical cancer. J Appl Clin Med Phys. 2025.➖➖➖➖🌐 @IASSBMU 🔵🌐lnstagram | 🌐Website | 🌐X | ❇️Ble | ❇️Eitaa