مدلین رویدادی برای معرفی فرصتهای جدید کسبوکار در حوزه سلامت است. مدلین، اجزای اکوسیستم کسبوکاری سلامت را به هم نزدیک می‌کند و سعی می‌کند دانش تخصصی آنان در این حوزه را افزایش دهد.
هوش مصنوعی گوگل، دقیق‌تر از متخصصان رادیولوژی
نتایج مطالعه اخیر محققان گوگل، نشان می‌دهد الگوریتم هوش مصنوعی گوگل، تصاویر ماموگرافی را با دقتی بیشتر از پزشکان، برای یافتن نشانه‌ای از سرطان پستان بررسی می‌کند.
سرطان پستان، شایع‌ترین و دومین سرطان عامل مرگ‌ومیر در بین خانم‌ها است. یکی از راه‌های کاهش عوارض و هزینه‌های این بیماری، غربالگری است. غربالگری که به معنای انجام آزمون‌های تشخیصی، پیش از وجود علائم و نشانه‌های بیماری است اکنون در اکثر کشورها با روش ماموگرافی به صورت سالیانه یا دو سال یک‌بار و از حدود 40 سالگی انجام می‌شود. رادیولوژیست تصویر ماموگرافی (ماموگرام) را بررسی و در صورت شک به وجود توده، اقدامات تشخیصی بیشتر را توصیه می‌کند. اما، این احتمال وجود دارد که برخی توده‌ها، در میان بافت متراکم پستان تشخیص داده نشوند (منفی کاذب) و ماموگرافی فرد به اشتباه سالم گزارش شود یا بافتی طبیعی، از نظر رادیولوژیست مشکوک به نظر برسد (مثبت کاذب) و اقدامات تشخیصی بیشتری به بیمار تحمیل شود.
هفته گذشته، مقاله‌ای در نشریه نِیچِر (Nature) منتشر شد که به مقایسه عملکرد هوش مصنوعی تربیت‌شده گوگل و متخصصان رادیولوژی در خواندن و تشخیص ماموگرافی زنان می‌پردازد. در این مقاله که توسط مک‌کینی (McKinney) و همکاران نوشته شده، مشخص شد سیستم هوش مصنوعی با دقت بیشتر (یعنی تشخیص مثبت کاذب کمتر) و حساسیت بیشتر (یعنی تشخیص منفی کاذب کمتر) ماموگرام‌ها را می‌خواند.
روش انجام
برای این مطالعه که گوگل هزینه آن را پرداخته است، سیستم هوش مصنوعی آموزش داده شد و سپس آزمون‌های مختلفی برای بررسی عملکرد آن انجام شد.
آموزش هوش مصنوعی
ابتدا از حجم انبوهی داده برای آموزش هوش مصنوعی به روش یادگیری عمیق استفاده شد. ماموگرام بیش از 25 هزار خانم از انگلستان و بیش از سه هزار خانم از آمریکا در اختیار این سیستم قرار گرفت. برای تمامی این افراد پیگیری هم انجام شده بود به طوری که کسانی که تشخیص سرطان پستان در آنها محرز بود، نتیجه نمونه‌برداری داشتند و کسانی که نتیجه تصویربرداری آنها برای سرطان پستان منفی بود، یک ماموگرافی دیگر در پیگیری داشتند. تمامی این مدارک و تصاویر تکمیلی هم در اختیار سیستم قرار گرفت.
مقایسه بالینی گذشته‌نگر
اولین آزمون برای سیستم هوش مصنوعی، بررسی یادگیری آن و عملکردش در تشخیص تصاویر قبلی بود. تصاویر بانک داده‌ای که برای آموزش به کار گرفته شده بود، این‌بار برای تشخیص در اختیار سیستم قرار گرفت و نتایج آن با تشخیص رادیولوژیست‌ها مقایسه شد. هوش مصنوعی گوگل در بررسی تصاویر کشور آمریکا، 7.5 درصد دقت و 9.4 درصد حساسیت بیشتری داشت.
طبق پروتکل‌های انگلستان، برای تشخیص تصاویر ماموگرافی دو رادیولوژیست مختلف باید تصاویر را ببینند و نظر خود را اعلام کنند. در اینجا هم سیستم هوش مصنوعی گوگل توانست با دقت و حساسیتی برابر با نظر دو رادیولوژیست عمل کند.
قابلیت تعمیم داده‌ها
محققان برای آنکه دریابند بانک داده‌هایی که در اختیار این سیستم گذاشته بودند، قابلیت تعمیم دارد یا خیر، از داده‌های کشور انگلستان برای تشخیص تصاویر کشور آمریکا استفاده کردند و در این مرحله هم هوش مصنوعی دقت و حساسیت بیشتری نسبت به رادیولوژیست‌ها داشت.
مقایسه بالینی به صورت رندوم
در مطالعه‌ای دیگر، 500 ماموگرام به صورت رندوم انتخاب شد و در اختیار شش رادیولوژیست دارای بورد تخصصی آمریکا قرار گرفت تا نتایج تشخیص آنها با سیستم هوش مصنوعی مقایسه شود. در این مطالعه هم، عملکرد هوش مصنوعی بهتر از میانگین عملکرد شش پزشک حاضر در مطالعه بود.
تشخیص خودکار ماموگرام چه زمانی ممکن می‌شود؟
اگرچه در این مقاله، توانمندی هوش مصنوعی در آزمون‌های مختلف اثبات می‌شود، نمی‌توان نتیجه گرفت با وجود آن، دیگر نیازی به رادیولوژیست‌ها برای تشخیص ماموگرام نیست. همان‌طور که در مقاله هم به خوبی به آن تأکید شده، محیط واقعی، بسیار پیچیده‌تر از محیط کنترل‌شده تحقیق است و عملکرد هوش مصنوعی باید در مطالعات بیشتر و محیط‌های واقعی بارها مورد بررسی قرار گیرد. برای مثال در این مطالعه فقط دو روش خاص تهیه ماموگرام و تصاویر تهیه شده با دستگاه‌های یک برند مشخص استفاده شده بود که از محدودیت‌های مطالعه است.
پیشنهاد مک‌کینی و همکارانش این است که از هوش مصنوعی برای کاهش زمان و فشار کاری پزشکان استفاده شود. برای مثال، در انگلستان که دو متخصص باید ماموگرام‌ها را بررسی کنند، می‌توان از هوش مصنوعی کمک گرفت تا تنها زمانی ماموگرام به متخصص دوم ارجاع شود که هوش مصنوعی تشخیصی متفاوت با متخصص اول داشته باشد.
این محققان همچنین در مطالعه آخر به موردی از سرطان اشاره می‌کنند که هر شش رادیولوژیست توانسته‌بودند آن را تشخیص دهند، اما هوش مصنوعی نتوانسته بود تشخیص درست بدهد. در مقابل، مورد دیگری هم بوده که هوش مصنوعی به درستی توده را در ماموگرام تشخیص داده ولی هیچ‌یک از رادیولوژیست‌ها نتوانسته‌بودند آن را ببینند. همین موضوع به خوبی نشان می‌دهد که نباید هوش مصنوعی و پزشکان را به صورت دو پادشاه در یک اقلیم دانست و به دنبال غلبه یکی بر دیگری بود، بلکه این‌دو در کنار هم است که بهترین عملکرد را در تشخیص سرطان پستان خواهند داشت.
منبع:
مطلبی دیگر از این انتشارات
دورنمای استارتاپهای سلامت روان
مطلبی دیگر از این انتشارات
انگیزه پزشکان از همکاری با استارتاپها چیست؟
مطلبی دیگر از این انتشارات
راهنمای نجات استارتاپهای سلامت در اکوسیستم نوآوری