هوش مصنوعی می‌تواند کار پزشکان را ساده‌تر، سریع‌تر و دقیق‌تر کند

از هر 9 زن در کشورهای توسعه یافته، یک زن در مقطعی از زندگی خود به سرطان سینه مبتلا می شود. شیوع سرطان سینه در حال افزایش است، اثری که تا حدی ناشی از سبک زندگی مدرن و افزایش طول عمر است. خوشبختانه، درمان ها کارآمدتر و شخصی تر می شوند. با این حال، چیزی که افزایش نمی‌یابد – و در واقع رو به کاهش است – تعداد پاتولوژیست‌ها یا پزشکانی است که تخصصشان بررسی بافت‌های بدن برای ارائه تشخیص خاص لازم برای پزشکی شخصی است. بنابراین، تیمی از محققان در موسسه فناوری Technion – اسرائیل تلاش خود را برای تبدیل رایانه‌ها به دستیاران آسیب‌شناس مؤثر، ساده‌سازی و بهبود کار پزشک انسانی انجام داده‌اند. مطالعه جدید آنها به تازگی در منتشر شده است ارتباطات طبیعت.

وظیفه خاصی که دکتر گیل شامایی و امیر لیون از آزمایشگاه پروفسور ران کیمل از دانشکده علوم کامپیوتر هنری و مریلین تاوب در تکنیون برای دستیابی به آن تعیین کردند در حوزه ایمونوتراپی قرار دارد. ایمونوتراپی در سال‌های اخیر به‌عنوان یک درمان مؤثر، گاهی اوقات حتی تغییردهنده بازی، برای چندین نوع سرطان مطرح شده است. اساس این شکل از درمان، تشویق سیستم ایمنی بدن برای حمله به تومور است. با این حال، چنین درمانی باید شخصی سازی شود، زیرا داروی صحیح باید برای بیمارانی که بر اساس ویژگی های خاص تومور از آن سود می برند، تجویز شود.

مکانیسم های طبیعی متعدد مانع از حمله سیستم ایمنی بدن به بدن ما می شود. این مکانیسم ها اغلب توسط تومورهای سرطانی برای فرار از سیستم ایمنی مورد سوء استفاده قرار می گیرند. یکی از این مکانیسم‌ها مربوط به پروتئین PD-L1 است – برخی از تومورها آن را نشان می‌دهند، و با متقاعد کردن اشتباه سیستم ایمنی بدن مبنی بر اینکه سرطان نباید مورد حمله قرار گیرد، به عنوان نوعی رمز عبور عمل می‌کند. ایمونوتراپی اختصاصی برای PD-L1 می‌تواند سیستم ایمنی را متقاعد کند که این رمز عبور خاص را نادیده بگیرد، اما البته تنها زمانی مؤثر خواهد بود که تومور PD-L1 را بیان کند.

این وظیفه پاتولوژیست است که تعیین کند آیا تومور بیمار PD-L1 را بیان می کند یا خیر. از نشانگرهای شیمیایی گران قیمت برای رنگ آمیزی بیوپسی گرفته شده از تومور برای به دست آوردن پاسخ استفاده می شود. این فرآیند بی اهمیت، وقت گیر و گاهی اوقات متناقض است. دکتر شماعی و تیمش رویکرد متفاوتی در پیش گرفتند. در سال‌های اخیر، اسکن بیوپسی‌ها به یک روش مورد تایید FDA تبدیل شده است تا بتوان از آن‌ها برای تجزیه و تحلیل پاتولوژی دیجیتال استفاده کرد. امیر لیون، دکتر شامایی و پروفسور کیمل تصمیم گرفتند ببینند که آیا یک شبکه عصبی می تواند از این اسکن ها برای تشخیص بدون نیاز به فرآیندهای اضافی استفاده کند یا خیر. تیم گفت: «آنها به ما گفتند که نمی‌توان این کار را انجام داد، بنابراین مطمئناً باید به آنها ثابت می‌کردیم که اشتباه می‌کنند.»

شبکه‌های عصبی به روشی مشابه نحوه یادگیری کودکان آموزش داده می‌شوند: آنها با چندین مثال برچسب‌گذاری شده ارائه می‌شوند. به کودک سگ های زیادی و چیزهای مختلف دیگر نشان داده می شود و از این مثال ها تصوری از چیستی “سگ” شکل می گیرد. شبکه عصبی که تیم پروفسور کیمل توسعه داده بود با تصاویر بیوپسی دیجیتالی از 3376 بیمار ارائه شد که به عنوان بیان کننده یا عدم بیان PD-L1 برچسب گذاری شده بودند. پس از تأیید اولیه، از آن خواسته شد که مشخص شود آیا تصاویر بیوپسی کارآزمایی بالینی اضافی از 275 بیمار برای PD-L1 مثبت یا منفی است. این عملکرد بهتر از حد انتظار بود: برای 70٪ از بیماران، توانست با اطمینان و به درستی پاسخ را تعیین کند. برای 30 درصد باقیمانده از بیماران، این برنامه نتوانست الگوهای بصری را پیدا کند که به آن امکان می‌دهد یک راه یا آن طرف تصمیم بگیرد. جالب اینجاست که در مواردی که هوش مصنوعی (AI) با تصمیم آسیب شناس انسانی مخالف بود، آزمایش دوم درستی هوش مصنوعی را ثابت کرد.

این یک دستاورد مهم است. تغییراتی که رایانه پیدا کرد – آنها برای چشم انسان قابل تشخیص نیستند. سلول‌ها در صورتی که PD-L1 را نشان دهند یا نه، خود را متفاوت ترتیب می‌دهند، اما تفاوت‌ها آنقدر کوچک است که حتی یک آسیب‌شناس آموزش‌دیده نیز نمی‌تواند آنها را با اطمینان شناسایی کند. اکنون شبکه عصبی ما می تواند.”

پروفسور ران کیمل، هنری و مریلین تاوب، دانشکده علوم کامپیوتر، انستیتوی فناوری اسرائیل-تکنیون

این دستاورد کار تیمی متشکل از دکتر گیل شامایی و دانشجوی فارغ التحصیل امیر لیونه است که این فناوری را توسعه داده و آزمایش ها را طراحی کرده اند، دکتر آنتونیو پولونیا از موسسه آسیب شناسی مولکولی و ایمونولوژی دانشگاه پورتو پرتغال، پروفسور ادموند سابو و دکتر الکساندرا کرتو از مرکز پزشکی کارمل در حیفا، اسرائیل، که آسیب شناسان متخصصی هستند که این تحقیق را انجام دادند و با حمایت پروفسور گیل بار-سلا، رئیس بخش انکولوژی و هماتولوژی در مرکز پزشکی همک در افولا، اسرائیل .

دکتر شماعی گفت: «این یک فرصت شگفت انگیز برای گرد هم آوردن هوش مصنوعی و پزشکی است. “من عاشق ریاضیات هستم، من عاشق توسعه الگوریتم‌ها هستم. اینکه بتوانم از مهارت‌هایم برای کمک به مردم و پیشرفت پزشکی استفاده کنم – بیشتر از آن چیزی است که وقتی به عنوان دانشجوی علوم کامپیوتر شروع به کار کردم، انتظار داشتم.” او اکنون تیمی متشکل از 15 محقق را رهبری می کند که این پروژه را به سطح بالاتری می برند.

پروفسور کیمل به اشتراک گذاشت: “ما انتظار داریم هوش مصنوعی به ابزاری قدرتمند در دستان پزشکان تبدیل شود.” هوش مصنوعی می‌تواند به تشخیص یا تأیید آن کمک کند، می‌تواند به تطبیق درمان با بیمار خاص کمک کند، می‌تواند پیش آگهی ارائه دهد. فکر نمی‌کنم بتواند یا باید جایگزین پزشک انسان شود. اما می‌تواند برخی از عناصر را ایجاد کند. کار پزشکان ساده‌تر، سریع‌تر و دقیق‌تر است.”