Τεχνητή νοημοσύνη: Η ασπρόμαυρη εικόνα είναι μια μαγνητική τομογραφία από κάποιον με καρκίνο του προστάτη και το πρόγραμμα τεχνητής νοημοσύνης έχει αναλύσει χιλιάδες από αυτά.
Η ασπρόμαυρη εικόνα είναι μια μαγνητική τομογραφία από κάποιον με καρκίνο του προστάτη και το πρόγραμμα τεχνητής νοημοσύνης έχει αναλύσει χιλιάδες από αυτά. «Το μοντέλο [AI] βρίσκει τον προστάτη και σκιαγραφεί περιοχές ύποπτες για καρκίνο χωρίς ανθρώπινη επίβλεψη», εξηγεί ο Δρ. Turkbey. Η ελπίδα του είναι ότι η τεχνητή νοημοσύνη θα βοηθήσει λιγότερο έμπειρους ακτινολόγους να βρουν τον καρκίνο του προστάτη όταν υπάρχει και να απορρίψουν οτιδήποτε μπορεί να θεωρηθεί λανθασμένα με καρκίνο. Αυτό το μοντέλο είναι μόνο η κορυφή του παγόβουνου όταν πρόκειται για τη διασταύρωση της τεχνητής νοημοσύνης και της έρευνας για τον καρκίνο. Ενώ οι πιθανές εφαρμογές φαίνονται ατελείωτες, μεγάλο μέρος αυτής της προόδου έχει επικεντρωθεί γύρω από εργαλεία για την απεικόνιση του καρκίνου.
Από ακτινογραφίες ολόκληρων οργάνων μέχρι εικόνες καρκινικών κυττάρων με μικροσκόπιο, οι γιατροί χρησιμοποιούν απεικονιστικές εξετάσεις με πολλούς τρόπους: εύρεση του καρκίνου στα πρώτα του στάδια, προσδιορισμός του σταδίου ενός όγκου, διαπίστωση εάν η θεραπεία λειτουργεί και παρακολούθηση εάν ο καρκίνος έχει επιστρέψει μετά τη θεραπεία. Τα τελευταία χρόνια, οι ερευνητές έχουν αναπτύξει εργαλεία τεχνητής νοημοσύνης που έχουν τη δυνατότητα να κάνουν την απεικόνιση του καρκίνου ταχύτερη, πιο ακριβή και ακόμη πιο ενημερωτική. Και αυτό δημιούργησε πολύ ενθουσιασμό. «Υπάρχει πολλή διαφημιστική εκστρατεία [γύρω από την τεχνητή νοημοσύνη], αλλά υπάρχει και πολλή έρευνα που γίνεται επίσης», δήλωσε η Stephanie Harmon, Ph.D., επιστήμονας δεδομένων στο NCI’s Molecular Imaging Branch. Αυτή η έρευνα, λένε οι ειδικοί, περιλαμβάνει την αντιμετώπιση ερωτημάτων σχετικά με το εάν αυτά τα εργαλεία είναι έτοιμα να εγκαταλείψουν τα ερευνητικά εργαστήρια και να εισέλθουν στα ιατρεία, εάν θα βοηθήσουν πραγματικά τους ασθενείς και εάν αυτό το όφελος θα φτάσει σε όλους -ή μόνο σε ορισμένους- ασθενείς.
Τι είναι η τεχνητή νοημοσύνη;
Η τεχνητή νοημοσύνη αναφέρεται σε προγράμματα υπολογιστών ή αλγόριθμους, που χρησιμοποιούν δεδομένα για τη λήψη αποφάσεων ή προβλέψεων. Για να δημιουργήσουν έναν αλγόριθμο, οι επιστήμονες μπορεί να δημιουργήσουν ένα σύνολο κανόνων ή οδηγιών που πρέπει να ακολουθήσει ο υπολογιστής, ώστε να μπορεί να αναλύσει δεδομένα και να λάβει μια απόφαση. Για παράδειγμα, ο Δρ. Turkbey και οι συνεργάτες του χρησιμοποίησαν τους υπάρχοντες κανόνες σχετικά με το πώς εμφανίζεται ο καρκίνος του προστάτη σε μια μαγνητική τομογραφία. Στη συνέχεια εκπαίδευσαν τον αλγόριθμό τους χρησιμοποιώντας χιλιάδες μελέτες μαγνητικής τομογραφίας—μερικές από άτομα που είναι γνωστό ότι έχουν καρκίνο του προστάτη και μερικά από άτομα που δεν είχαν.
Με άλλες προσεγγίσεις τεχνητής νοημοσύνης, όπως η μηχανική μάθηση, ο αλγόριθμος διδάσκει τον εαυτό του πώς να αναλύει και να ερμηνεύει δεδομένα. Ως εκ τούτου, οι αλγόριθμοι μηχανικής μάθησης μπορεί να συλλάβουν μοτίβα που δεν είναι εύκολα ορατά από το ανθρώπινο μάτι ή τον εγκέφαλο. Και καθώς αυτοί οι αλγόριθμοι εκτίθενται σε περισσότερα νέα δεδομένα, βελτιώνεται η ικανότητά τους να μαθαίνουν και να ερμηνεύουν τα δεδομένα. Οι ερευνητές χρησιμοποίησαν επίσης τη βαθιά μάθηση, έναν τύπο μηχανικής μάθησης, σε εφαρμογές απεικόνισης καρκίνου. Η βαθιά μάθηση αναφέρεται σε αλγόριθμους που ταξινομούν τις πληροφορίες με τρόπους όπως ο ανθρώπινος εγκέφαλος. Τα εργαλεία βαθιάς μάθησης χρησιμοποιούν «τεχνητά νευρωνικά δίκτυα» που μιμούνται τον τρόπο με τον οποίο τα εγκεφαλικά μας κύτταρα προσλαμβάνουν, επεξεργάζονται και αντιδρούν σε σήματα από το υπόλοιπο σώμα μας.
Έρευνα για την τεχνητή νοημοσύνη για την απεικόνιση του καρκίνου
Οι γιατροί χρησιμοποιούν τεστ απεικόνισης καρκίνου για να απαντήσουν σε μια σειρά ερωτήσεων, όπως: Είναι καρκίνος ή ένα αβλαβές εξόγκωμα; Αν είναι καρκίνος, πόσο γρήγορα αναπτύσσεται; Πόσο έχει εξαπλωθεί; Αναπτύσσεται μετά τη θεραπεία; Οι μελέτες δείχνουν ότι η τεχνητή νοημοσύνη έχει τη δυνατότητα να βελτιώσει την ταχύτητα, την ακρίβεια και την αξιοπιστία με την οποία οι γιατροί απαντούν σε αυτές τις ερωτήσεις.
Η τεχνητή νοημοσύνη μπορεί να αυτοματοποιήσει τις αξιολογήσεις και τις εργασίες που μπορούν να κάνουν οι άνθρωποι αυτή τη στιγμή, αλλά χρειάζονται πολύ χρόνο», δήλωσε ο Hugo Aerts, Ph.D., της Ιατρικής Σχολής του Χάρβαρντ. Αφού η τεχνητή νοημοσύνη δώσει ένα αποτέλεσμα, “ένας ακτινολόγος πρέπει απλώς να επανεξετάσει τι έχει κάνει η τεχνητή νοημοσύνη έκανε τη σωστή αξιολόγηση;” Επιπλέον, η τεχνητή νοημοσύνη θα μπορούσε να κάνει την ερμηνεία της εικόνας – μια εξαιρετικά υποκειμενική εργασία – πιο απλή και αξιόπιστη, σημείωσε ο Δρ. Aerts.
Πολύπλοκες εργασίες που βασίζονται στο «ένας άνθρωπος που κάνει μια ερμηνεία μιας εικόνας – ας πούμε, ένας ακτινολόγος, ένας δερματολόγος, ένας παθολόγος εκεί βλέπουμε τεράστιες ανακαλύψεις να γίνονται με τη βαθιά μάθηση», είπε. Αλλά αυτό για το οποίο είναι πιο ενθουσιασμένοι οι επιστήμονες είναι η δυνατότητα της τεχνητής νοημοσύνης να υπερβεί αυτό που μπορούν να κάνουν οι άνθρωποι επί του παρόντος. Η τεχνητή νοημοσύνη μπορεί να «δει» πράγματα που εμείς οι άνθρωποι δεν μπορούμε και μπορεί να βρει πολύπλοκα μοτίβα και σχέσεις μεταξύ πολύ διαφορετικών ειδών δεδομένων. «Η τεχνητή νοημοσύνη είναι εξαιρετική στο να το κάνει αυτό – στο να υπερβαίνει τις ανθρώπινες επιδόσεις για πολλές εργασίες», είπε ο Δρ. Άερτς. Ωστόσο, σε αυτήν την περίπτωση, είναι συχνά ασαφές πώς η τεχνητή νοημοσύνη καταλήγει στο συμπέρασμά της, επομένως είναι δύσκολο για τους γιατρούς και τους ερευνητές να ελέγξουν εάν το εργαλείο λειτουργεί σωστά.
Έγκαιρη εύρεση του καρκίνου
Τεστ όπως μαστογραφίες και τεστ Παπανικολάου χρησιμοποιούνται για τον τακτικό έλεγχο των ανθρώπων για σημάδια καρκίνου ή προκαρκινικών κυττάρων που μπορεί να μετατραπούν σε καρκίνο. Ο στόχος είναι να κολλήσετε και να θεραπεύσετε τον καρκίνο νωρίς, πριν εξαπλωθεί ή ακόμα και πριν σχηματιστεί καθόλου. Οι επιστήμονες έχουν αναπτύξει εργαλεία τεχνητής νοημοσύνης για να βοηθήσουν τα τεστ προσυμπτωματικού ελέγχου για διάφορα είδη καρκίνου, συμπεριλαμβανομένου του καρκίνου του μαστού. Προγράμματα υπολογιστών που βασίζονται σε τεχνητή νοημοσύνη έχουν χρησιμοποιηθεί για να βοηθήσουν τους γιατρούς να ερμηνεύουν μαστογραφίες για περισσότερα από 20 χρόνια, αλλά η έρευνα σε αυτόν τον τομέα εξελίσσεται γρήγορα.
Μια ομάδα δημιούργησε έναν αλγόριθμο τεχνητής νοημοσύνης που μπορεί να βοηθήσει στον προσδιορισμό του πόσο συχνά κάποιος πρέπει να υποβάλλεται σε προληπτικό έλεγχο για καρκίνο του μαστού. Το μοντέλο χρησιμοποιεί εικόνες μαστογραφίας ενός ατόμου για να προβλέψει τον κίνδυνο ανάπτυξης καρκίνου του μαστού τα επόμενα 5 χρόνια. Σε διάφορες δοκιμές, το μοντέλο ήταν πιο ακριβές από τα τρέχοντα εργαλεία που χρησιμοποιούνται για την πρόβλεψη του κινδύνου καρκίνου του μαστού.
Οι ερευνητές του NCI έχουν κατασκευάσει και δοκιμάσει έναν αλγόριθμο βαθιάς μάθησης που μπορεί να εντοπίσει προκαρκινικούς καρκίνους του τραχήλου της μήτρας που πρέπει να αφαιρεθούν ή να αντιμετωπιστούν. Σε ορισμένες ρυθμίσεις χαμηλών πόρων, οι εργαζόμενοι στον τομέα της υγείας εξετάζουν για προκαρκινικό καρκίνο του τραχήλου της μήτρας επιθεωρώντας τον τράχηλο με μια μικρή κάμερα. Αν και αυτή η μέθοδος είναι απλή και βιώσιμη, δεν είναι πολύ αξιόπιστη ή ακριβής. Ο Mark Schiffman, MD, MPH, του Τμήματος Επιδημιολογίας και Γενετικής Καρκίνου του NCI και οι συνάδελφοί του σχεδίασαν έναν αλγόριθμο για να βελτιώσουν την ικανότητα εύρεσης προκαρκινών του τραχήλου της μήτρας με τη μέθοδο της οπτικής επιθεώρησης. Σε μια μελέτη του 2019, ο αλγόριθμος απέδωσε καλύτερα από εκπαιδευμένους ειδικούς .
Για τον καρκίνο του παχέος εντέρου, πολλά εργαλεία τεχνητής νοημοσύνης έχουν αποδειχθεί σε κλινικές δοκιμές ότι βελτιώνουν την ανίχνευση προκαρκινικών αναπτύξεων που ονομάζονται αδενώματα . Ωστόσο, επειδή μόνο ένα μικρό ποσοστό των αδενωμάτων μετατρέπεται σε καρκίνο, ορισμένοι ειδικοί ανησυχούν ότι τέτοια εργαλεία τεχνητής νοημοσύνης θα μπορούσαν να οδηγήσουν σε περιττές θεραπείες και επιπλέον εξετάσεις για πολλούς ασθενείς.
Διαβάστε όλες τις τελευταίες Ειδήσεις για την υγεία από την Ελλάδα και τον ΚόσμοΑκολουθήστε το healthweb.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις
Ακολουθήστε το healthweb.gr στο κανάλι μας στο YouTube
