مدل جدید هوش مصنوعی با توانایی تشخیص زودهنگام سرطان لوزالمعده

متخصصان موسسه فناوری ماساچوست (MIT) مدل هوش مصنوعی جدیدی را توسعه داده اند که می تواند سرطان لوزالمعده (پانکراس) را پیش از آن که دیر شود، تشخیص دهد.

به گزارش ایسنا به نقل از انگجت، پژوهشگران موسسه فناوری ماساچوست (MIT) که بر مهندسی رایانه و توسعه هوش مصنوعی تمرکز دارد، دو الگوریتم یادگیری ماشینی ساخته اند که میتواند سرطان لوزالمعده را زودتر از استانداردهای تشخیصی فعلی تشخیص دهد.

این دو مدل هوش مصنوعی جدید با هم برای ایجاد یک شبکه عصبی موسوم به PRISM و تشخیص آدنوکارسینوم مجرای لوزالمعده (PDAC) که شایع ترین شکل سرطان لوزالمعده است، طراحی شده و شکل گرفته اند.

معیارهای استاندارد غربالگری PDAC در حال حاضر حدود ۱۰ درصد موارد را در بیمارانی که توسط متخصصان معاینه میشوند، تشخیص می دهد. این در حالیست که مدل هوش مصنوعی جدید MIT توانست موارد PDAC را در ۳۵ درصد مواقع شناسایی کند.

در حالی که استفاده از هوش مصنوعی در زمینه تشخیص، یک شاهکار جدید نیست، ولی مدل PRISM به دلیل نحوه توسعه آن متمایز است. این شبکه عصبی بر اساس دسترسی به مجموعه های متنوعی از سوابق الکترونیکی واقعی سلامت از موسسات بهداشتی در سراسر آمريکا آموزش دیده است و از داده های بیش از پنج میلیون پرونده سلامت الکترونیکی بیماران بهره می برد.

دکتر کای جیا نویسنده ارشد این مقاله می گوید: این مدل از داده های معمول بالینی و آزمایشگاهی برای پیش بینی های خود استفاده می کند و تنوع جمعیت آمريکا پیشرفت قابل توجهی را نسبت به سایر مدل های PDAC به آن داده است.

پروژه PRISM مؤسسه فناوری ماساچوست بیش از ۶ سال پیش آغاز شد. انگیزه ایجاد آن نیز توسعه الگوریتمی بود که بتواند PDAC را زود تشخیص دهد، چرا که اکثر بیماران مبتلا به این بیماری در مراحل توسعه فراگیر سرطان تشخیص داده می شوند و حدود ۸۰ درصد آنها خیلی دیر تشخیص داده می شوند.

این مدل هوش مصنوعی (Artificial Intelligence) با تجزیه و تحلیل جمعیت شناسی بیماران، تشخیص های قبلی، داروهای فعلی و قبلی در برنامه های مراقبتی و نتایج آزمایشگاهی کار می کند. در مجموع، این مدل برای پیش بینی احتمال ابتلا به سرطان با تجزیه و تحلیل داده های پرونده سلامت الکترونیکی در کنار مواردی مانند سن بیمار و عوامل خطر خاص مشهود در سبک زندگی آنها کار می کند.

در حال حاضر این فناوری به آزمایشگاه های MIT و بیماران منتخب در آمريکا متصل است. چالش گسترش این هوش مصنوعی نیز شامل تغذیه الگوریتم مجموعه های داده متنوع تر و شاید حتی پروفایل های سلامت جهانی برای افزایش دسترسی است.

با این وجود، این نخستین تلاش MIT در توسعه یک مدل هوش مصنوعی نیست که می تواند خطر سرطان را پیش بینی کند. پژوهشگران این مؤسسه پیش از این نیز راهی برای آموزش مدل هایی برای پیش بینی خطر سرطان پستان در میان زنان با استفاده از سوابق ماموگرافی ایجاد کرده اند.

کارشناسان MIT می گویند، هرچه مجموعه داده ها متنوع تر باشد، هوش مصنوعی در تشخیص سرطان ها در نژادها و جمعیت های مختلف بهتر عمل می کند. توسعه مداوم مدل های هوش مصنوعی که میتوانند احتمال ابتلا به سرطان را پیش بینی کنند، نه تنها در صورت شناسایی زودتر بدخیمی، نتایج را برای بیماران بهبود می بخشد، بلکه بار کاری متخصصان پزشکی را که بیش از حد کار می کنند، کاهش می دهد.

بازار هوش مصنوعی در تشخیص، آن قدر آماده تغییر است که توجه شرکت هاي تجاری بزرگ فناوری مانند IBM را برانگیخته است، چرا‌که در حال تلاش هستند که یک برنامه هوش مصنوعی ایجاد کنند که بتواند سرطان پستان را یک سال زودتر تشخیص دهد.