سرطان
آموزش‌های پیشرفته هوش مصنوعیبینایی ماشینکاربردهای هوش مصنوعی

سرطان و تلاش برای درمان آن با ابزارهای پزشکی هوش مصنوعی

    0
    مدت زمان مطالعه: ۳ دقیقه

    محققان برای بهره‌برداری کامل از ظرفیت‌های هوش مصنوعی به منظور درمان بیماران مبتلا به سرطان، باید ثابت کنند که امکان تکرار موفقیت‌های یادگیری ماشین در حوزه‌ها و بیماران مختلف وجود دارد. در همین راستا، محققان مهندسی زیست‌پزشکی «کیس وسترن رزرو» در تلاش‌اند تا الگوریتم‌های جدیدشان را در اسکن بیماران مناطق مختلف به کار گیرند و از ابزارهای پزشکی هوش مصنوعی برای درمان آن بهره ببرند.

    برای نمونه، چندی پیش، محققان یافته‌های امیدبخشی درباره تشخیص سرطان ریه ۴۰۰ بیمار با استفاده از ابزارهای پزشکی هوش مصنوعی منتشر کردند. این بیماران در سه نظام مراقبت‌ پزشکی مختلف پذیرش شده بودند. بر اساس یافته‌های یکی از مطالعات انجام شده در سال ۲۰۲۰، روش جدید توانست وقوع مجدد بیماری را در میان ۶۱۰ بیمار مبتلا به سرطان ریه پیش‌بینی کند. لازم به ذکر است که این بیماران در چهار مرکز درمانی مختلف معاینه و بستری شدند.

    ابزارهای پزشکی هوش مصنوعی
    آنانت مادابوشی – مدیر مرکز عکس‌برداری محاسباتی و تشخیص فردی دانشگاه اوهایو – در توضیحاتی اظهار داشت: «این گام بسیار بزرگی است که می‌تواند هوش مصنوعی را به ابزار ارزشمندی برای متخصصان بالینی تبدیل کند. بررسی بیشترِ این موضوع باید در دستور کار قرار گیرد. برای نمونه، می‌دانیم که بیمارستان‌های مختلف می‌توانند بیماران را با دستگاه‌های سی‌تی اسکن مختلف، اسکن کنند. ماحصل این کار، تصاویری با ظاهر مختلف است. بنابراین، امیدواریم هوش مصنوعی بتواند این مشکلات را از سر راه بردارد. بنابراین، اگر پزشکان و متخصصان بالینی به هوش مصنوعی اعتماد کرده و در مقیاس گسترده از آن استفاده کنند، بیماران از امکان‌پذیر بودن تشخیص رایانه‌ای اطمینان می‌یابند.»

    گام‌های بعدی: اثبات نتایج تکرارپذیر

    محققان به اصل تکرارپذیری یا تعمیم اعتقاد دارند. بر اساس این ایده، روش‌ها، درمان‌ها یا ابزارهای مختلف می‌توانند تحت هر شرایطی موثر واقع شوند؛ فرقی نمی‌کند چه متغیری به کار برده شود. برخی محققان این هدف را دور از دسترس قلمداد می‌کنند.

    محققان موانع متعددی را برای تحقق آن شناسایی کرده‌اند که از جمله آنها می‌توان به نحوه عکس‌برداری دستگاه‌های سی‌تی اسکن، تفاوت‌های سخت‌افزاری و نرم‌افزاری و ویژگی‌های جمعیت‌شناختی بیماران اشاره کرد. به همین منظور، مادابوشی و همکارانش در تلاش‌اند تا آزمایش‌های بالینی آینده‌نگر را با استفاده از علائم تعمیم‌یافته هوش مصنوعی در تصاویر سی‌تی اسکن بیمارانِ مبتلا به سرطان ریه پیاده‌سازی کنند.

    این محققان مشغول به همکاری با بیمارستان‌های واقع در «نورث‌ایست اوهایو» هستند تا تعمیم‌پذیریِ این ابزارهای هوش مصنوعی را در مسائل مربوط به تشخیص و پیش‌بینیِ سرطان ریه ارزیابی کنند.اکنون، تحقیقات جدید بر پایه‌ی یافته‌های پیشینِ مرکز عکس‌برداری محاسباتی و تشخیص فردی صورت می‌گیرد.

    ایجاد و توسعه مدل‌های تعمیم‌پذیر هوش مصنوعی

    در سال‌های گذشته، این مرکز در تلاش بوده تا مدل‌های تعمیم‌پذیر هوش مصنوعی را ایجاد و توسعه بخشد. افزون بر این، طراحی چارچوبی رسمی‌تر برای شناسایی ویژگی‌های دقیق و پایدار نیز در دستور کار قرار دارد. در ضمن، روش جدید باید در مطالعات و موسسات بیشتری اعتبارسنجی شود. در همین راستا، مقاله‌ی پژوهشی «محمدهادی خرمی» – دانشجوی مهندسی زیست‌پزشکی در مقطع دکتری – و همکارانش چندی پیش در مجله «Lung Cancer» منتشر شد که به همین موضوع می‌پردازد.

    آنانت مادابوشی و همکارانش در مرکز عکس‌برداری محاسباتی و تشخیص فردی دانشگاه اوهایو، ابزار هوش مصنوعی خود را با موفقیت به کار برده‌اند. با بکارگیری این ابزار، بیماران مبتلا به سرطان ریه واکنش خوبی در مقابل شیمی‌درمانی و ایمنی‌درمانی نشان می‌دهند.

    در برخی موارد، هوش مصنوعی نشان می‌دهند که آیا امکان بقای بیمار وجود دارد یا خیر. اما این نتایج از تحلیل داده‌ها یا تصاویر موجود به دست آمده‌اند و تنها یک گروه از بیماران مبتلا به سرطان را دربرمی‌گیرد. حال، محققان به جای اینکه به رایانه‌ها آموزش دهند تا بر ویژگی‌های تصاویر سی‌تی اسکن تمرکز کنند (تصاویری که تفاوت میان تومورهای بدخیم و خوش‌خیم را مشخص می‌کند)، هوش مصنوعی را به نحوی برنامه‌نویسی کرده‌اند تا ویژگی‌های کمتری به خاطر بسپارد، حتی در صورتی که آن ویژگی‌ها با خود سرطان ارتباطی نداشته باشند. محمدهادی خرمی صدها ویژگی تصاویر را مورد ارزیابی قرار داده است.

    خرمی در پایان بیان کرد: « ما مجموعه‌ای از دقیق‌ترین ویژگی‌ها را شناسایی کردیم. در عین حال، گردآوری داده ها از مکان‌های مختلف نیز برای ما حائز اهمیت بود. بنابراین، وقتی مدل‌های یادگیری ماشین را با این ویژگی‌های دقیق و باثبات ارزیابی کردیم، شاهد عملکرد بهترِ این مدل‌ها در مقایسه با سایر مدل‌ها بودیم.»

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۰ میانگین: ۰]

    هوش مصنوعی برای دانش آموزان دبیرستانی‌ ؛ ترفندهایی برای شروع یادگیری

    مقاله قبلی

    شرکت پایا هوشمند رصد: خالق جامع‌ترین نرم‌افزار نظارت تصویری بومی

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *