شفقنا – دانشمندان بینالمللی از توسعه یک سیستم هوش مصنوعی جدید به نام «هتایروس» خبر دادهاند که میتواند نوع مولکولی تومورهای مغز و نخاع را تنها در چند دقیقه تشخیص دهد؛ کاری که تاکنون به آزمایشهای ژنتیکی پیچیده، گرانقیمت و زمانبری نیاز داشت که گاهی تا دو هفته طول میکشید.
به گزارش سرویس ترجمه شفقنا، این سامانه که توسط پژوهشگرانی از مرکز تحقیقات سرطان آلمان (DKFZ)، دانشگاه هایدلبرگ و چندین مرکز علمی دیگر توسعه یافته، با استفاده از یادگیری عمیق آموزش دیده است تا تنها از روی تصاویر استاندارد بافت تومور، ویژگیهای مولکولی سرطان را پیشبینی کند.
گلوگاه بزرگ تشخیص سرطان مغز
امروزه تشخیص دقیق بسیاری از تومورهای مغزی فقط با بررسی ظاهر سلولها زیر میکروسکوپ امکانپذیر نیست. پزشکان برای شناسایی دقیق نوع سرطان به آزمایشی به نام «متیلاسیون DNA» نیاز دارند؛ روشی که تغییرات شیمیایی موجود روی DNA سلولهای سرطانی را بررسی میکند و در حال حاضر استاندارد طلایی تشخیص تومورهای سیستم عصبی مرکزی محسوب میشود.
اما این آزمایش به تجهیزات پیشرفته، آزمایشگاههای تخصصی، هزینه زیاد و مقدار کافی از نمونه بافت نیاز دارد و معمولاً حدود ۱۲ روز طول میکشد تا نتیجه آن آماده شود. در بسیاری از کشورهای کمبرخوردار نیز اساساً چنین امکاناتی وجود ندارد.
آموزش روی بیش از ۱۱ هزار نمونه
برای حل این مشکل، پژوهشگران هتایروس را با استفاده از بیش از ۱۱ هزار اسلاید دیجیتالی بافت تومور متعلق به ۹۶۰۶ بیمار از ۱۱ مرکز درمانی در چهار قاره آموزش دادند.
تشخیص نهایی همه این نمونهها قبلاً با آزمایشهای پیشرفته متیلاسیون DNA تأیید شده بود و همین موضوع به هوش مصنوعی امکان داد ارتباط میان الگوهای ظاهری سلولها و ویژگیهای ژنتیکی تومورها را یاد بگیرد.
نتیجه این آموزش گسترده، سیستمی شد که اکنون قادر است ۱۰۲ زیرگروه مولکولی مختلف از تومورهای مغزی و نخاعی را تشخیص دهد؛ تقریباً تمام دستهبندیهای فعلی مورد تأیید سازمان جهانی بهداشت (WHO).
هوش مصنوعی چگونه از روی عکس، ژنتیک سرطان را میفهمد؟
به گفته پژوهشگران، جهشها و تغییرات ژنتیکی در سلولهای سرطانی باعث ایجاد تغییرات بسیار ظریفی در شکل، آرایش و نحوه اتصال سلولها به یکدیگر میشوند. این تفاوتها برای چشم انسان تقریباً نامرئی هستند، اما الگوریتمهای یادگیری عمیق میتوانند آنها را تشخیص دهند.
هتایروس در واقع آموخته است که این الگوهای میکروسکوپی را به ویژگیهای مولکولی خاص هر تومور مرتبط کند و از روی یک تصویر ساده بافت، اطلاعات ژنتیکی عمیقی را استخراج کند.
شکست متخصصان باتجربه
یکی از چشمگیرترین بخشهای این مطالعه، مقایسه مستقیم عملکرد هتایروس با متخصصان برجسته آسیبشناسی عصبی بود.
در یک آزمایش بالینی، پنج آسیبشناس ارشد بینالمللی و سیستم هوش مصنوعی بهطور مستقل ۲۱۰ نمونه دشوار تومور مغزی را فقط بر اساس تصاویر بافتی بررسی کردند.
نتایج نشان داد هتایروس در تشخیص نهایی به دقت ۶۸ درصدی دست یافت، در حالی که میانگین دقت متخصصان تنها ۳۰ درصد بود.
وقتی سه تشخیص محتمل اول در نظر گرفته شد، عملکرد هوش مصنوعی به ۸۴ درصد رسید؛ در حالی که متخصصان به طور متوسط حدود ۵۰ درصد موفقیت داشتند.
از ۱۲ روز به ۱۲ دقیقه
در یک مطالعه که همزمان با روند معمول بیمارستانی انجام شد، آزمایشهای کامل مولکولی به طور متوسط ۱۲ روز زمان بردند. اما هتایروس پس از دیجیتالی شدن اسلاید بافتی (یعنی نمونه بافتی که از بیمار گرفته شد (مثلاً از تومور مغز)، اول زیر میکروسکوپ به یک «تصویر دیجیتال» تبدیل شد)، تنها طی ۱۲ دقیقه نتیجه خود را روی یک رایانه معمولی تولید کرد.
پژوهشگران میگویند با احتساب زمان آمادهسازی و اسکن نمونه، در بسیاری از موارد میتوان نتیجهای قابل اتکا را ظرف ۲۴ تا ۴۸ ساعت پس از نمونهبرداری در اختیار پزشکان قرار داد.
سیستم هوشمندی که به خودش هم نمره میدهد
یکی از ویژگیهای مهم هتایروس این است که میزان اطمینان خود را نیز اعلام میکند.
این سیستم در حدود ۵۰ تا ۷۰ درصد موارد، تشخیصهای خود را با «اطمینان بالا» گزارش میکند. در این گروه از نمونهها، دقت تشخیص به حدود ۸۷ تا ۸۸ درصد میرسد.
حتی زمانی که هوش مصنوعی از نتیجه خود کاملاً مطمئن نباشد، باز هم میتواند بیش از ۱۰۰ احتمال مختلف را به چند گزینه محدود کند و کار پزشکان را برای انتخاب آزمایشهای تکمیلی بسیار آسانتر سازد.
جایگزین پزشکان نمیشود
پژوهشگران تأکید میکنند که هدف از توسعه هتایروس حذف پزشکان یا آزمایشهای مولکولی نیست.
به گفته دکتر فلیکس زام، از رهبران پروژه، این سامانه بهعنوان یک دستیار تشخیصی عمل میکند که میتواند روند تشخیص را سریعتر و ارزانتر کند و بهویژه در کشورهایی که دسترسی محدودی به فناوریهای پیشرفته دارند، نقش مهمی ایفا کند.
علاوه بر این، هتایروس بخشهایی از تصویر بافت را که بیشترین تأثیر را در تصمیمگیری داشتهاند مشخص میکند؛ قابلیتی که به پزشکان اجازه میدهد منطق تشخیص هوش مصنوعی را بررسی کرده و در صورت نیاز آزمایشهای ژنتیکی را روی همان نواحی متمرکز کنند.
به اعتقاد پژوهشگران، این فناوری میتواند آغازگر نسل جدیدی از آسیبشناسی دیجیتال باشد؛ نسلی که در آن تشخیصهایی که قبلاً به هفتهها زمان و صدها یورو هزینه نیاز داشتند، تنها در چند دقیقه و با استفاده از تجهیزات استاندارد در دسترس پزشکان سراسر جهان قرار میگیرند.
این خبر را اینجا ببینید.