کاهش خطر ابتلا به سرطان/ هوش مصنوعی پولیپ‌های روده را شکار می‌کند

به گزارش خبرگزاری علم و فناوری آنا به نقل از نیواطلس، محققان دریافته‌اند که پزشکان بی‌تجربه‌ای که به کمک هوش مصنوعی کولونوسکوپی انجام می‌دهند، تشخیص پولیپ‌ها را به طور قابل توجهی بهبود می‌بخشند. استفاده از هوش مصنوعی با این ابزار تشخیصی می‌تواند احتمال از دست دادن پولیپ را که به عنوان پیش ساز‌های بالقوه ابتلا به سرطان روده بزرگ معرفی می‌شوند، کاهش دهد.

اضافه شدن هوش مصنوعی منجر به تقویت چندین ابزار تشخیص پزشکی از جمله ماموگرافی، سونوگرافی و «ام آر آی» (MRI) شده است. اکنون نوبت کولونوسکوپی است تا به کمک کامپیوتر و هوش مصنوعی ارتقا پیدا کند.

کولونوسکوپی، وارد کردن آندوسکوپ در روده بزرگ برای بررسی دیواره‌های داخلی آن، با تشخیص و حذف پولیپ‌های پیش - بدخیم است که در غیر این صورت به عنوان آدنوم شناخته می‌شوند و احتمال مرگ ناشی از سرطان روده بزرگ را کاهش می‌دهد.

 با این حال، به عنوان یک ابزار تشخیصی، کولونوسکوپی می‌تواند ناقص باشد؛ به طوری که ۲۶ درصد آدنوم‌ها و ۹ درصد آدنوم‌های پیشرفته را تشخیص ندهد و خطر نتایج نامطلوب و مرگ و میر افزایش یابد. دلایلی که آدنوم‌ها نادیده گرفته می‌شوند شامل مورفولوژی مسطح، آماده سازی ضعیف روده، و تجربه ناکافی پزشک آندوسکوپیست است.

اکنون، محققان دانشکده پزشکی دانشگاه هنگ کنگ (CUHK) چین بررسی کرده‌اند که آیا کولونوسکوپی به کمک هوش مصنوعی نرخ تشخیص آدنوم (ADR) را هنگامی که یک پزشک بی‌تجربه از این روش استفاده می‌کند، بهبود می‌بخشد یا خیر.

لویس لائو هو شینگ، نویسنده اصلی این مطالعه گفت: پژوهش ما برای توسعه آینده هوش مصنوعی در پزشکی بالینی و آموزش آندوسکوپی قابل توجه است. آندوسکوپیست‌های جوان عموما مهارت کمتری دارند و به سطح بالاتری از کمک در طول مراحل یادگیری اولیه خود نیاز دارند. تحقیقات ما برای آموزش آندوسکوپی مهم است، زیرا نشان می‌دهد که استفاده از هوش مصنوعی راهنمایی تصویری برای تمرین مهارت‌ها به شیوه‌ای استانداردتر را در اختیار آن‌ها قرار می‌دهد. نتایج تایید کرد که این نوآوری به افزایش توانایی تشخیص آدنوم در میان آندوسکوپیست‌ها با سطوح مختلف تجربه کمک می‌کند.

هوش مصنوعی مورد استفاده تشخیص پولیپ (CADE) به کمک کامپیوتر بود، یک سیستم یادگیری عمیق که آزمایش‌های قبلی گزارش داده‌اند یک مزیت بالینی قابل توجه برای تشخیص زودهنگام آدنوم فراهم می‌کند. 

بین آوریل ۲۰۲۱ تا ژوئیه ۲۰۲۲، محققان ۲۲ متخصص آندوسکوپی جوان را با تجربه شخصی کم‌تر از ۵۰۰ آندوسکوپی و کم‌تر از سه سال آموزش برای مطالعه عملکرد آن‌ها با استفاده از سیستم آندوسکوپی به کمک هوش مصنوعی استخدام کردند. آندوسکوپیست‌ها در گروه‌های مبتدی (کم‌تر از ۲۰۰ روش) و متوسط (۲۰۰ تا ۵۰۰ روش) طبقه بندی شدند.

نقطه پایانی اصلی این مطالعه نرخ تشخیص آدنوم بود. نقاط پایانی دوم شامل نرخ تشخیص برای آدنوم‌ها در اندازه‌های مختلف (کم‌تر از ۵ میلی متر، ۵ تا ۱۰ میلی متر، بزرگ‌تر از ۱۰ میلی متر) و مکان‌های مختلف بود. آدنوم پیشرفته، پیش ساز سرطان روده بزرگ، برابر یا بزرگ‌تر از ۱۰ میلی متر تعریف شد.

آندوسکوپیست‌ها بر روی ۷۶۶ بیمار کولونوسکوپی انجام دادند؛ در ۳۸۶ نفر تشخیص پولیپ به کمک هوش مصنوعی انجام شد و بقیه کولونوسکوپی معمولی را دریافت کردند. 

به طور کلی، نرخ تشخیص آدنوم در گروهی که از هوش مصنوعی استفاده کرد در مقایسه با گروه کنترل به طور قابل توجهی بالاتر بود: ۵۷.۵ درصد در مقابل ۴۴.۵ درصد.

نرخ تشخیص‌ها برای آدنوم‌های کم‌تر از ۵ میلی متر ۴۰.۴ درصد در گروه هوش مصنوعی در مقابل ۲۵.۰ درصد گروه کنترل بود؛ برای آدنوم‌های ۵ - ۱۰ میلی متری، به ترتیب ۳۶.۸ درصد و ۲۹.۲ درصد بود. تفاوت قابل توجهی در نرخ تشخیص‌ها برای آدنوم‌های پیشرفته وجود نداشت. نرخ تشخیص‌ها در گروهی که از هوش مصنوعی کمک گرفت در میان آندوسکوپیست‌های مبتدی (۶۰.۰ درصد در مقابل ۴۱.۹ درصد) و سطح متوسط (۵۶.۵ درصد در مقابل ۴۵.۵ درصد) بالاتر بودند.

محققان می‌گویند که مزیت استفاده از یادگیری ماشین و هوش مصنوعی برای تشخیص پولیپ در آدنوم‌های بزرگ و پیشرفته هنوز مشخص نیست. آن‌ها بهینه سازی عملکرد الگوریتم و توسعه همزمان سیستم‌های تشخیص آدنوم به کمک کامپیوتر را توصیه می‌کنند. با این حال، یافته‌های آن‌ها از گنجاندن دستگاه‌های هوش مصنوعی در برنامه‌های آموزشی آندوسکوپی حمایت می‌کند.

این مطالعه در مجله گاسترولوژی بالینی و هپاتولوژی منتشر شده است.