التنبؤ بالذكاء الاصطناعي بما إذا كنت ستصابين بسرطان الثدي مستقبلًا

Radilogy في هذه المجلة، وفق بحث نُشر في 17 ديسمبر 2019، استطاع نموذج من أكثر أنواع تطبيقات الذكاء الاصطناعي نقاشًا مؤخرًا، وهو التعلم العميق (deep learning) ، توقع النساء المعرضات لتطور سرطان الثدي لاحقًا بدقة أعلى من نماذج الكثافة (density). وطور الدكتور Karin Dembrower وزملاؤه من معهد Karolinska في Stockholm درجة خطر مرتبطة بسرطان الثدي المستقبلي، وقارنوا نموذج التعلم العميق بنماذج الكثافة في دراسة استعادية (قائمة على بيانات سابقة). واعتمد تطوير النموذج على حالات شُخّصت من 2008 إلى 2012؛ ولكل امرأة، حُسب لأول ما توفر رقميًا من صورة ماموغرام درجة خطر التعلم العميق والمساحة الكثيفة ونسبة الكثافة.

التعلم العميق في أنظمته، تكون الخوارزميات البشرية الصنع مسؤولة عن جمع كميات كبيرة من البيانات وترتيبها وتحليلها. وتغذي البيانات الضخمة (big data) شبكة عصبية اصطناعية (مجموعة خوارزميات مستوحاة من عمل الدماغ البشري)، ثم تُفسَّر. ولا يخبر المبرمجون الآلة ماذا تفعل بالبيانات؛ بل تحللها الآلة وتتخذ قرارات بناءً على ما تعلمته. وفي معظم الحالات، كلما تلقت بيانات أكثر، صارت قراراتها أدق. وقُيّمت إجمالًا 2.283 امرأة، شُخّصت 278 منهن لاحقًا بسرطان الثدي. ووجد الباحثون أن المصابات، مقارنةً بغير المشخَّصات، كن عند الماموغرافيا أكبر عمرًا (وسيط 55,7 مقابل 54,6 سنة)، ولديهن مساحة كثيفة أكبر (وسيط 38,2 مقابل 34,2 cm²)، ونسبة كثافة أكبر (وسيط % 25,6 مقابل 24.0 بالمئة).

• موضوع ذو صلة: ما الثدي الكثيف؟ ولماذا يرتفع خطر السرطان فيه؟ مقارنةً بالمساحة الكثيفة ونسبة الكثافة، أعطت درجة خطر التعلم العميق المعدلة بحسب العمر نتائج أدق. وكان معدل السلبي الكاذب (إعطاء نتيجة حميدة خطأً رغم أن النتيجة الحقيقية سرطان) أقل للدرجة المعدلة بحسب العمر؛ وكان الفرق أوضح للسرطانات الأشد عدوانية. وعمومًا، تفوق النموذج القائم على التعلم العميق، وهو ذكاء اصطناعي قائم على الشبكات العصبية، على نموذج التنبؤ بالكثافة. وفي الختام، بات يُنظر بيقين إلى أن نظم دعم القرار المستخدمة لهذه الخوارزميات، المدربة حاليًا غالبًا بمنافستها مع الخبراء البشر، ستؤدي دورًا مهمًا في تشخيص السرطان وتحديد خطره في المستقبل القريب – خلال نحو 10 سنوات.