به گزارش مدیکال اکسپرس، بر اساس یک مطالعه جدید در مجله Nature Communications، محقق دانشگاه تولین دریافته است که هوش مصنوعی می‌تواند سرطان روده بزرگ را با اسکن بافت و یا بهتر از آسیب شناسان تشخیص دهد.
به گزارش اقتصادآنلاین به نقل از باشگاه خبرنگاران؛ این مطالعه که توسط محققانی از تولین، دانشگاه مرکزی جنوبی در چین، مرکز علوم بهداشتی دانشگاه اوکلاهما، دانشگاه تمپل و دانشگاه ایالتی فلوریدا انجام شد، برای آزمایش اینکه آیا هوش مصنوعی می‌تواند ابزاری برای کمک به پاتولوژیست‌ها برای همگام شدن با این بیماری باشد طراحی شده است.
آسیب شناسان هزاران تصویر هیستوپاتولوژی را به طور منظم ارزیابی و برچسب گذاری می‌کنند تا بگویند که آیا کسی سرطان دارد یا خیر. اما میانگین حجم کاری آن‌ها به میزان قابل توجهی افزایش یافته است و گاهی اوقات به دلیل خستگی می‌تواند باعث تشخیص نادرست ناخواسته شود.
دکتر هونگ ون دنگ، پروفسور و و مدیر مرکز انفورماتیک و ژنومیک زیست پزشکی در دانشکده پزشکی دانشگاه تولین، گفت: اگرچه بسیاری از کار‌های آن‌ها تکراری است، اکثر آسیب شناسان به شدت مشغول هستند، زیرا تقاضای زیادی برای کاری که انجام می‌دهند وجود دارد، اما کمبود جهانی پاتولوژیست‌های واجد شرایط، به ویژه در بسیاری از کشور‌های در حال توسعه وجود دارد، این مطالعه انقلابی است، زیرا ما با موفقیت از هوش مصنوعی برای شناسایی و تشخیص سرطان روده بزرگ به روشی مقرون به صرفه استفاده کردیم که در نهایت می‌تواند حجم کار پاتولوژیست‌ها را کاهش دهد.
برای انجام این مطالعه، دنگ و تیمش بیش از ۱۳۰۰۰ تصویر از سرطان کولورکتال را از ۸۸۰۳ فرد و ۱۳ مرکز مستقل سرطان در چین، آلمان و آمریکا جمع آوری کردند. آن‌ها با استفاده از تصاویری که به‌طور تصادفی توسط تکنسین‌ها انتخاب شدند، یک برنامه تشخیص پاتولوژیک به کمک ماشین ساختند که به رایانه اجازه می‌دهد تصاویری را که سرطان کولورکتال، یکی از شایع‌ترین علل مرگ‌های ناشی از سرطان در اروپا و آمریکا را نشان می‌دهد، تشخیص دهد.
دنگ گفت: چالش‌های این مطالعه از اندازه‌های بزرگ تصویر پیچیده، اشکال پیچیده، بافت‌ها و تغییرات بافت‌شناسی در رنگ‌آمیزی هسته‌ای ناشی می‌شود. اما در نهایت این مطالعه نشان داد که وقتی ما از هوش مصنوعی برای تشخیص سرطان کولورکتال استفاده می‌کنیم، عملکرد قابل مقایسه و حتی در بسیاری از موارد بهتر از آسیب‌شناسان واقعی است.
ناحیه زیر منحنی مشخصه عملکرد گیرنده (ROC) (یا AUC) ابزار اندازه گیری عملکرد است که دنگ و تیمش برای تعیین موفقیت مطالعه استفاده کردند. پس از مقایسه نتایج کامپیوتر با کار پاتولوژیست‌های بسیار با تجربه که داده‌ها را به صورت دستی تفسیر می‌کردند، این مطالعه نشان داد که میانگین آسیب‌شناسان برای شناسایی دقیق سرطان کولورکتال به صورت دستی نمره ۹۶۹ را کسب کرده‌اند. میانگین امتیاز برنامه کامپیوتری هوش مصنوعی با کمک ماشین.۹۸ بود که اگر دقیق‌تر نباشد قابل مقایسه است.
استفاده از هوش مصنوعی برای شناسایی سرطان یک فناوری نوظهور است و هنوز به طور گسترده مورد پذیرش قرار نگرفته است. امید دنگ این است که این مطالعه منجر به این شود که آسیب شناسان بیشتری در آینده از فناوری پیش غربالگری برای تشخیص سریع‌تر استفاده کنند.
او می‌گوید: این هنوز در مرحله تحقیقاتی است و ما هنوز آن را تجاری نکرده‌ایم، زیرا باید آن را کاربرپسندتر کنیم و در تنظیمات بالینی بیشتری آزمایش و اجرا کنیم. اما همانطور که ما آن را بیشتر توسعه می‌دهیم، امیدواریم بتوان از آن برای انواع مختلف سرطان در آینده نیز استفاده کرد. استفاده از هوش مصنوعی برای تشخیص سرطان می‌تواند کل فرآیند را تسریع کند و در زمان زیادی هم برای بیماران و هم برای پزشکان صرفه جویی می‌کند.
