هوش مصنوعی مولد در تشخیص سرطان خون از متخصصان انسانی پیشی گرفت

سامانه ابداعی سایتودیفیوژن برخلاف مدل‌های پیشین که صرفاً بر تشخیص الگو متمرکز بودند، ساختار و ریخت‌شناسی سلول‌ها را با حساسیت بالا بررسی می‌کند و نکته متمایز آن توانایی درک میزان عدم قطعیت در تشخیص‌های ارائه شده است. نتایج این پژوهش که در نشریه نیچر ماشین اینتلیجنس منتشر شده، نشان می‌دهد این ابزار قادر است تغییرات جزئی در سلول‌های خونی را که ممکن است از چشم پزشکان دور بماند، شناسایی کند.

تشخیص تغییرات ظریف در اندازه، شکل و ظاهر کلی سلول‌های خونی برای شناسایی بسیاری از بیماری‌ها ضروری است، اما کسب مهارت لازم برای این کار نیازمند آموزش‌های طولانی است و حتی پزشکان با تجربه نیز ممکن است در ارزیابی نمونه‌های دشوار دچار اختلاف نظر شوند. سایمون دلتادال، نویسنده ارشد این مطالعه از دپارتمان ریاضیات کاربردی دانشگاه کمبریج، معتقد است که گلبول‌های سفید نقش‌های متفاوتی در بدن دارند و شناخت ظاهر غیرعادی آنها زیر میکروسکوپ بخش مهمی از فرآیند تشخیص است.

چالش اصلی در روش‌های سنتی این است که یک نمونه خون معمولی یا اسمیر خون حاوی هزاران سلول است و بررسی تک‌تک آنها برای انسان ناممکن است. سوتش سیواپالارتنام، از نویسندگان همکار این طرح، اشاره می‌کند که حجم کاری بالا و خستگی پزشکان در پایان روز می‌تواند بر دقت تشخیص اثر بگذارد، در حالی که هوش مصنوعی می‌تواند این فرآیند را خودکار کرده و موارد مشکوک را برای بررسی نهایی به انسان ارجاع دهد.

داده‌های مورد نیاز برای آموزش سایتودیفیوژن از بیش از نیم میلیون تصویر نمونه خون جمع‌آوری شده از بیمارستان ادنبروک کمبریج تأمین شده است. این مجموعه داده که بزرگ‌ترین در نوع خود محسوب می‌شود، شامل انواع سلول‌های خونی رایج و نمونه‌های نادر است. مدل هوش مصنوعی با یادگیری توزیع کامل ظواهر سلولی به جای دسته‌بندی ساده، نسبت به تفاوت‌های ناشی از نوع میکروسکوپ یا روش‌های رنگ‌آمیزی مقاوم شده و توانایی تشخیص سلول‌های غیرعادی را پیدا کرده است.

آزمایش‌های انجام شده نشان داد که این سامانه در تشخیص سلول‌های مرتبط با سرطان خون حساسیتی بسیار بالاتر از سیستم‌های موجود دارد. ویژگی برجسته این مدل، درک محدودیت‌های خود است؛ به طوری که هرگز در مواردی که اطمینان ندارد، ادعای قطعیت نمی‌کند، در حالی که خطای انسانی معمولاً با اطمینان کاذب همراه است. پروفسور مایکل رابرتز تأکید دارد که این چارچوب دیدگاهی چندوجهی از عملکرد مدل ارائه می‌دهد که برای محققان ارزشمند است.

تولید تصاویر مصنوعی توسط این سامانه بخش دیگری از توانایی‌های آن است. محققان در یک آزمون تورینگ با حضور ده هماتولوژیست با تجربه دریافتند که متخصصان انسانی قادر به تشخیص تصاویر واقعی سلول‌های خونی از تصاویر تولید شده توسط هوش مصنوعی نیستند. این موضوع نشان‌دهنده دقت بالای مدل در درک ساختار پیچیده سلول‌های خونی است.

البته  هدف نهایی این پروژه جایگزینی پزشکان نیست، بلکه ایجاد ابزاری کمکی برای اولویت‌بندی موارد غیرعادی و مدیریت پرونده‌های معمول است تا قدرت تشخیص و تصمیم‌گیری بالینی افزایش یابد.