شفقنا – دو مطالعه که به رهبری محققان مرکز سرطان جانز هاپکینز انجام شده‌اند، از یک روش قدرتمند جدید خبر می‌دهند که به طور چشمگیری قابلیت اطمینان و دقت هوش مصنوعی را برای بسیاری از کاربردها بهبود می‌بخشد.

به گزارش سرویس ترجمه شفقنا، به عنوان نمونه، این محققان روش جدید خود را برای تشخیص زودهنگام سرطان از طریق نمونه‌های خون، که به «نمونه‌برداری مایع» معروف است، به کار برده‌اند.

این محققان الگوریتم «مایت» را برای رسیدن به سطح بالایی از اطمینان مورد نیاز برای ابزارهای هوش مصنوعی در تصمیم‌گیری‌های بالینی ایجاد کردند. برای نشان دادن مزایای مایت ، آن‌ها از آن برای توسعه آزمایشی جهت تشخیص زودهنگام سرطان با استفاده از دی‌ان‌ای آزاد در گردش خون (ccfDNA) استفاده کردند.

یک تحقیق مرتبط به صورت اتفاقی کشف کرد که الگوهای تکه‌تکه شدن دی‌ان‌ای آزاد در گردش خون که پیش از این گمان می‌رفت تنها در افراد مبتلا به سرطان مشاهده می‌شود، در بیماران با سایر بیماری‌ها از جمله بیماری‌های خودایمنی و بیماری‌های عروقی نیز وجود دارد. این یافته نشان داد که التهاب—و نه لزوماً خود سرطان— مسئول این سیگنال‌ها است، که تلاش‌ها برای استفاده از تکه‌تکه شدن دی‌ان‌ای آزاد در گردش خون به عنوان یک نشانگر زیستی خاص برای سرطان را پیچیده می‌کند. این موضوع می‌تواند به نتایج مثبت کاذب منجر شود.

برای حل این چالش، تیم تحقیقاتی اطلاعات مربوط به التهاب را به داده‌های آموزشی مایت اضافه کرد. این نسخه بهبود یافته، نتایج مثبت کاذب ناشی از بیماری‌های غیرسرطانی را کاهش داد، اما به طور کامل حذف نکرد.

الگوریتم مایت به گونه‌ای طراحی شده است که با استفاده از داده‌های واقعی، خود را تنظیم کرده و دقت خود را بر روی زیرمجموعه‌های مختلف داده، با استفاده از ده‌ها هزار «درخت تصمیم‌گیری»، بررسی می‌کند. این الگوریتم به ویژه برای تحلیل داده‌های پزشکی با متغیرهای زیاد و نمونه‌های نسبتاً کم بیمار، که مدل‌های سنتی هوش مصنوعی در آن‌ها اغلب با مشکل مواجه می‌شوند، بسیار مؤثر است.

در آزمایش‌ها با داده‌های بیماران، مایت به طور مداوم از سایر روش‌های هوش مصنوعی از نظر حساسیت و سازگاری بهتر عمل کرد. در آزمایش خون ۱۰۰۰ فرد، الگوریتم مایت به ۷۲% حساسیت (توانایی تشخیص سرطان) با ۹۸% ویژگی (درست شناسایی افراد بدون سرطان) دست یافت. این توازن در کاربردهای پزشکی دنیای واقعی که به حداقل رساندن نتایج مثبت کاذب برای جلوگیری از اقدامات غیرضروری لازم است، بسیار حیاتی است.

محققان همچنین یک الگوریتم همراه به نام «کو-مایت» را برای تشخیص اینکه آیا ترکیب چندین مجموعه متغیر می‌تواند تشخیص سرطان را بهبود بخشد، توسعه دادند. تجزیه و تحلیل کو-مایت نشان داد که سرطان سینه در مراحل اولیه می‌تواند از ترکیب سیگنال‌های زیستی متعدد بهره ببرد.

حققان می‌گویند نتایج به دست آمده با استفاده از فناوری‌های هوش مصنوعی باید به عنوان داده‌های «آگاه‌شده توسط هوش مصنوعی» در نظر گرفته شوند که می‌توانند به قضاوت بالینی پزشک کمک کنند اما جایگزین آن نمی‌شوند.
یک «نقطه روشن» در این مطالعه این است که بازنگری در مایت می‌تواند منجر به یک تست تشخیصی جداگانه برای بیماری‌های التهابی شود.

این خبر را اینجا ببینید.