تشخیص سرطان در مراحل اولیه توسط هوش مصنوعی

به گزارش بیکینگ این ابزار که Mia نام دارد، در کنار پزشکان NHS مورد استفاده قرار گرفت و ماموگرافی بیش از 10000 زن را تجزیه و تحلیل کرد. که هر چند اکثر آنها بدون سرطان بودند، اما با موفقیت توانست همه کسانی را که علائمی داشتند، و همچنین 11 نفر دیگر را که پزشکان قادر به شناسایی آنها نشده بودند، مشخص نماید.

گفتنی است تشخیص سرطان‌ها در مراحل اولیه خود که علائم بسیار کوچکی را دارند می‌تواند کاری بسیار دشوار باشد، اما ابزارهایی مانند Mia این قابلیت را دارند که زمان انتظار برای نتایج جواب‌های تصویربرداری را از 14 روز به سه روز کاهش می‌دهند.

در موارد آزمایشی، هیچیک از کیس‌های مورد بررسی، صرفا توسط Mia مورد تجزیه و تحلیل قرار نگرفت، بلکه هر کدام با یک بررسی انسانی نیز همراه بودند. در حال حاضر دو رادیولوژیست، هر یک از اسکن‌ها را با دقت زیر نظر می‌گیرند، هر چند مدیران پروژه امیدوارند که به‌زودی حداقل یکی از آنها با این ابزار جایگزین شود و عملاً حجم کاری را به نصف کاهش دهد.

دکتر جرالد لیپ، مدیر بالینی غربالگری پستان در شمال شرق اسکاتلند که این پروژه را رهبری می‌کند گفت از 10889 زنی که تحت آزمایش قرار می‌گرفتند، تنها 81 نفر نمی‌خواستند که اسکن‌های آنها توسط ابزار هوش مصنوعی بررسی شود.

به‌طور کلی ابزارهای هوش مصنوعی در تشخیص علائم یک بیماری خاص بسیار اثربخش و مفید هستند، مشروط به آن که بر روی داده‌های کافی برای شناسایی آنها آموزش دیده باشند. این بدان معناست که باید برنامه را با تعداد زیادی تصاویر ناشناس مختلف از آن علائم، و نیز از طیف وسیعی از افراد، تقویت کنید. البته به‌دلیل نگرانی‌های مربوط به رازداری و حفظ حریم خصوصی بیمار، به دست آوردن این داده‌ها می‌تواند دشوار باشد.

بنا به ادعای مدیران این استارتاپ، ساخت و آموزش  Miaکه با نیروی محاسبات ابری مایکروسافت اجرا می‌شود، شش سال طول کشیده و روی میلیون‌ها ماموگرافی از زنان در سراسر جهان آموزش دیده است. 
 

آیا هوش مصنوعی، شغل پزشکان و متخصصان را تهدید می‌کند؟

دکتر لیپ در پاسخ به اینکه آیا نگران است که ابزارهایی مانند میا می‌تواند کار او را از بین ببرد گفت که معتقد است این فناوری روزی می‌تواند او را آزاد کند تا زمان بیشتری را با بیماران بگذراند.

او گفت: «من میا را به عنوان یک دوست و تقویت کننده تمرین خود می‌بینم.»

ابزار میا هنوز کامل نیست به هیچ سابقه قبلی بیمار دسترسی نداشته است، به عنوان مثال، کیست‌هایی را که قبلاً توسط اسکن‌های قبلی شناسایی شده و “بی‌ضرر” اعلام شده بودند، علامت گذاری می‌کرد. همچنین، به دلیل مقررات بهداشتی فعلی، عنصر یادگیری ماشینی ابزار هوش مصنوعی غیرفعال شد، بنابراین نمی‌توانست در حین کار یاد بگیرد و در طول استفاده از آن تکامل یابد. همچنین هر بار که به‌روز می‌شد باید یک بررسی جدید صورت می‌گرفت. 

آزمایش Mia تنها یک آزمایش اولیه است. دانشگاه آبردین به طور مستقل نتایج این تحقیق را تایید کرد، اما نتایج ارزیابی هنوز مورد بازبینی همتایان قرار نگرفته است. کالج سلطنتی رادیولوژیست‌ها نیز فعلا می‌گوید که »این فناوری، چنین پتانسیلی را دارد.»

این نتایج دلگرم کننده هستند و به برجسته کردن پتانسیل هیجان انگیز هوش مصنوعی برای تشخیص کمک می‌کنند. شکی نیست که رادیولوژیست‌های بالین، ضروری و غیرقابل جایگزین هستند، اما یک رادیولوژیست بالینی که از بینش‌های ابزارهای هوش مصنوعی معتبر استفاده می‌کند، به طور فزاینده‌ای نیروی مهیبی در مراقبت از بیمار خواهد بود.

دکتر جولی شارپ، رئیس اطلاعات بهداشتی در تحقیقات سرطان بریتانیا، گفت که افزایش تعداد موارد سرطانی که هر ساله تشخیص داده می‌شوند به این معنی است که نوآوری‌های فناوری برای کمک به بهبود خدمات NHS و کاهش فشار بر کارکنان آن حیاتی است. او افزود: «برای یافتن بهترین راه‌ها برای استفاده از این فناوری به تحقیقات بیشتری نیاز است.»

آزمایش‌های هوش مصنوعی دیگری در سراسر بریتانیا در حال انجام است، از جمله ابزار هوش مصنوعی توسط شرکتی به نام Presymptom Health  که در حال تجزیه و تحلیل نمونه‌های خونی به دنبال نشانه‌های سپسیس قبل از ظهور علائم است – اما بسیاری از آنها هنوز در مراحل اولیه بدون نتایج منتشر شده هستند.