تشخیص زودهنگام سرطان لوزالمعده با هوش مصنوعی

به گزارش خبرگزاری علم و فناوری خبرگزاری آنا به نقل از انگجت، محققان بخش آزمایشگاه علوم کامپیوتر و هوش مصنوعی (CSAIL) دانشگاه «ام آی تی» (MIT) که روی مهندسی کامپیوتر و توسعه هوش مصنوعی تمرکز دارد، دو الگوریتم یادگیری ماشینی ساخته‌اند که می‌توانند سرطان پانکراس را در آستانه بالاتری نسبت به استاندارد‌های تشخیصی فعلی تشخیص دهند. این دو مدل با هم برای ایجاد شبکه عصبی «پریزم» (PRISM) شکل گرفتند. این روش به طور خاص برای تشخیص آدنوکارسینومای مجرایی لوزالمعده (PDAC)، شایع‌ترین شکل سرطان لوزالمعده، طراحی شده است.

معیار‌های غربالگری استاندارد فعلی سرطان لوزالمعده حدود ۱۰ درصد از موارد را در بیمارانی که توسط متخصصان مورد بررسی قرار می‌گیرند، شامل می‌شود. در مقام مقایسه، مدل «پریزم» ام‌آی‌تی توانست در ۳۵ درصد مواقع موارد سرطانی را شناسایی کند.

اگرچه استفاده از هوش مصنوعی در زمینه تشخیص یک شاهکار کاملاً جدید نیست؛ اما مدل «پریزم» به خاطر نحوه توسعه آن برجسته است. این شبکه عصبی براساس دسترسی به مجموعه‌های متنوعی از پرونده‌های سلامت الکترونیکی واقعی از موسسات بهداشتی در سراسر ایالات متحده برنامه ریزی شده بود.

پروژه «پریزم» ام‌آی‌تی بیش از 6 سال پیش آغاز شد. انگیزه ایجاد این پروژه توسعه الگوریتمی است که بتواند سرطان لوزالمعده را در مراحل اولیه تشخیص دهد؛ چراکه اغلب بیماران در مراحل توسعه‌یافته سرطان تشخیص داده می‌شوند  به طوری که حدود ۸۰ درصد افراد مبتلا به این بیماری بسیار دیر تشخیص داده می‌شوند.

این هوش مصنوعی با تحلیل جمعیت شناسی بیمار، تشخیص‌های قبلی، دارو‌های فعلی و قبلی در برنامه‌های مراقبتی و نتایج آزمایشگاهی کار می‌کند. در مجموع، این مدل با تجزیه و تحلیل داده‌های پرونده الکترونیک سلامت در کنار مواردی مانند سن بیمار و عوامل خطر مشخص در سبک زندگی او، برای پیش بینی احتمال ابتلا به سرطان کار می‌کند. با این حال، «پریزم» می‌تواند تعداد زیادی از بیماران را با سرعت و به وسیله هوش مصنوعی تشخیص دهد. در حال حاضر، این فناوری به آزمایشگاه‌های «ام آی تی» و بیماران منتخب در ایالات متحده محدود می‌شود.

با این حال، این نخستین تلاش محققان «ام آی تی» برای توسعه یک مدل هوش مصنوعی که می‌تواند خطر سرطان را پیش بینی کند، نیست. این مجموعه پیش از این به طور قابل توجهی روشی برای آموزش مدل‌های پیش بینی خطر سرطان سینه در میان زنان با استفاده از سوابق ماموگرافی توسعه داده است. متخصصان «ام آی تی» در این راستا تایید کردند که هرچه مجموعه داده‌ها متنوع‌تر باشد، هوش مصنوعی در تشخیص سرطان‌های مختلف در نژاد‌ها و جمعیت‌های متنوع بهتر عمل می‌کند.

توسعه مداوم مدل‌های هوش مصنوعی که می‌توانند احتمال سرطان را پیش بینی کنند، نه تنها نتایج به شناسایی زودتر بدخیمی و بهبود بیماری کمک می‌ک، بلکه حجم کار متخصصان پزشکی را نیز کاهش خواهد داد. بازار هوش مصنوعی در تشخیص پزشکی به قدری برای تغییر آماده است که توجه شرکت‌های تجاری بزرگ فناوری مانند «آی بی ام» (IBM) را به خود جلب کرده است. به‌طوری که تلاش می‌کنند یک برنامه هوش مصنوعی ایجاد کنند که بتواند سرطان سینه را از یک سال قبل تشخیص دهد.