کارشناسان MIT مدل های هوش مصنوعی را توسعه می دهند که می تواند سرطان پانکراس را زود تشخیص دهد
دو مدل یادگیری ماشین با نام شبکه عصبی “PRISM” با استفاده از پرونده سلامت پنج میلیون بیمار ایجاد شد.
به گزارش اپست به نقل از اینجگت ، محققان بخش CSAIL MIT، که بر مهندسی کامپیوتر و توسعه هوش مصنوعی تمرکز دارد، دو الگوریتم یادگیری ماشینی ساخته اند که می تواند سرطان پانکراس را در آستانه بالاتری نسبت به استانداردهای تشخیصی فعلی تشخیص دهد. این دو مدل با هم برای ایجاد شبکه عصبی “PRISM” شکل گرفتند. این برای تشخیص آدنوکارسینوم مجرای پانکراس (PDAC)، شایع ترین شکل سرطان پانکراس طراحی شده است.
معیارهای استاندارد غربالگری PDAC در حال حاضر حدود ۱۰ درصد موارد را در بیمارانی که توسط متخصصان معاینه می شوند، تشخیص می دهد. در مقایسه، PRISM MIT توانست موارد PDAC را در ۳۵ درصد مواقع شناسایی کند.
در حالی که استفاده از هوش مصنوعی در زمینه تشخیص یک شاهکار کاملاً جدید نیست، PRISM MIT به دلیل نحوه توسعه آن متمایز است. شبکه عصبی بر اساس دسترسی به مجموعه های متنوعی از سوابق الکترونیکی واقعی سلامت از موسسات بهداشتی در سراسر ایالات متحده برنامه ریزی شده است. این اطلاعات از اطلاعات بیش از ۵ میلیون پرونده سلامت الکترونیکی بیمار تغذیه شد، که به گفته محققان این تیم، از مقیاس اطلاعاتی که به یک مدل هوش مصنوعی در این حوزه تحقیقاتی خاص داده می‌شود، پیشی گرفت. کای جیا گفت: «این مدل از داده‌های معمول بالینی و آزمایشگاهی برای پیش‌بینی‌های خود استفاده می‌کند و تنوع جمعیت ایالات متحده پیشرفت قابل توجهی نسبت به سایر مدل‌های PDAC است که معمولاً به مناطق جغرافیایی خاصی مانند چند مرکز مراقبت‌های بهداشتی در ایالات متحده محدود می‌شوند». نویسنده ارشد این مقاله دکتر MIT CSAIL گفت.
پروژه PRISM MIT بیش از شش سال پیش آغاز شد. انگیزه ایجاد الگوریتمی که بتواند PDAC را زود تشخیص دهد، ارتباط زیادی با این واقعیت دارد که اکثر بیماران در مراحل بعدی توسعه سرطان تشخیص داده می‌شوند – به ویژه حدود هشتاد درصد آنها خیلی دیر تشخیص داده می‌شوند.
هوش مصنوعی با تجزیه و تحلیل جمعیت شناسی بیمار، تشخیص های قبلی، داروهای فعلی و قبلی در برنامه های مراقبتی و نتایج آزمایشگاهی کار می کند. در مجموع، این مدل برای پیش‌بینی احتمال سرطان با تجزیه و تحلیل داده‌های پرونده سلامت الکترونیکی در کنار مواردی مانند سن بیمار و برخی عوامل خطر مشخص در سبک زندگی آنها کار می‌کند. با این حال، PRISM هنوز تنها قادر به تشخیص تعداد زیادی از بیماران با سرعتی است که هوش مصنوعی می تواند به توده ها برسد. در حال حاضر، این فناوری به آزمایشگاه‌های MIT و بیماران منتخب در ایالات متحده متصل است. چالش لجستیکی مقیاس‌گذاری هوش مصنوعی شامل تغذیه الگوریتم مجموعه‌های داده متنوع‌تر و شاید حتی پروفایل‌های سلامت جهانی برای افزایش دسترسی خواهد بود.
با این وجود، این اولین ضربه MIT در توسعه یک مدل هوش مصنوعی نیست که می تواند خطر سرطان را پیش بینی کند. به ویژه راهی برای آموزش مدل هایی برای پیش بینی خطر سرطان سینه در زنان با استفاده از سوابق ماموگرافی ایجاد کرد. در آن خط از تحقیقات، کارشناسان MIT تأیید کردند، هرچه مجموعه داده‌ها متنوع‌تر باشد، هوش مصنوعی در تشخیص سرطان در نژادها و جمعیت‌های مختلف بهتر عمل می‌کند. توسعه مداوم مدل‌های هوش مصنوعی که می‌توانند احتمال سرطان را پیش‌بینی کنند، نه تنها در صورت شناسایی بدخیمی زودتر، نتایج را برای بیماران بهبود می‌بخشد، بلکه بار کاری متخصصان پزشکی را که بیش از حد کار می‌کنند کاهش می‌دهد. بازار هوش مصنوعی در تشخیص آنقدر آماده تغییر است که توجه شرکت های تجاری بزرگ فناوری مانند IBM را برانگیخته است، زیرا تلاش کردند یک برنامه هوش مصنوعی ایجاد کنند که بتواند سرطان سینه را یک سال قبل تشخیص دهد.
