طوّرت Google ذكاءً اصطناعيًا قائمًا على التعلم العميق للتشخيص المبكر لسرطان الرئة
التصوير المقطعي المحوسب منخفض الجرعة من المعروف أن فحص سرطان الرئة باستخدامه يقلل الوفيات (معدل الوفاة) بدرجة مهمة لدى المعرضين لخطر مرتفع بسبب التدخين الكثيف. لكن للتصوير المقطعي المحوسب للرئة منخفض الجرعة بعض السلبيات أيضًا: التعرض السنوي للإشعاع وإن بجرعة منخفضة، وفرط التشخيص والنتائج الإيجابية الكاذبة (اعتبار الأورام غير السرطانية سرطانية وإجراء الخزعات)، وكذلك العمليات الجراحية.
الذكاء الاصطناعي والتعلم العميق (deep learning)، وهو فرع منه، قد يساعد على تقليل هذه المخاطر وفق دراسة في Nature.
التعلم العميق في أنظمته تكون الخوارزميات التي يصنعها البشر مسؤولة عن جمع كميات كبيرة من البيانات وترتيبها وتحليلها. وتغذي كميات البيانات الكبيرة (big data) شبكة عصبية اصطناعية (مجموعة خوارزميات مصممة على نموذج الدماغ البشري)، ثم تُفسّر. ولا يخبر المبرمجون الآلة بما ينبغي فعله بالبيانات؛ بل تحللها الآلة وتتخذ قرارات بناءً على ما تعلمته. وفي معظم الحالات، كلما تلقت بيانات أكثر كانت قراراتها أدق.
طوّر باحثو Google شبكة عصبية اصطناعية تتضمن طبقات معالجة متعددة. وغذّوا هذه الشبكة متعددة الطبقات ببيانات فحوص التصوير المقطعي المحوسب (BT) للرئة لدى أشخاص كان بعضهم مصابًا بسرطان الرئة، وبعضهم غير مصاب، وبعضهم يحمل عقيدات تحولت إلى سرطان.
أظهرت التقنية قدرة استثنائية على اكتشاف سرطان الرئة. وعندما استُخدمت في مواجهة 6 اختصاصيي أشعة، حقق النظام انخفاضًا في الإيجابيات الكاذبة (تفسير الحالة على أنها سرطان رغم عدم وجوده) بنسبة % 11، والسلبيات الكاذبة (تفسير الحالة على أنها حميدة رغم وجود السرطان) بنسبة % 5 مع هذا الانخفاض أداءً جيدًا جدًا. وعند السماح بالاطلاع على صور BT السابقة، أعطت الخوارزمية نتائج مماثلة لاختصاصيي الأشعة الخبراء. وعمومًا بلغت دقة نموذج الذكاء الاصطناعي هذا % 94.4.
رغم أن نظام التعلم العميق من Google ليس جاهزًا للاستخدام الواسع، فإن النتائج تقدم نظرة إلى الدور المحتمل للذكاء الاصطناعي في الطب. وفي المحصلة يخلق هذا التطبيق فرصة لتحسين عملية فحص الرئة باستخدام BT للتشخيص المبكر لسرطان الرئة بمساعدة الحاسوب والأتمتة. وفي حين أن تحسن نتائج الآلات يومًا بعد يوم في الفحوص الطبية ودعمها للقرارات السريرية تطور إيجابي جدًا، تبقى مشكلة مستقلة هي ضعف الوعي بفحص سرطان الرئة لدى معظم المدخنين واستمرار الحاجة إلى الوقاية. وتنطوي أتمتة الفحوص بأنظمة دعم القرار السريري، مثل نموذج التعلم العميق من Google، على إمكانية زيادة دقة فحص سرطان الرئة واتساقه وتبنّيه.
المصادر
Google Develops Deep Learning AI System to Detect Lung Cancer.
cancertherapyadvisor.com - 7 June 2019.
2. Ostrowski M, Marjanski T, Rzyman W. Low-dose computed tomography screening reduces lung cancer mortality. Adv Med Sci. 2018.
3. Pinsky PF. Assessing the benefits and harms of low-dose computed tomography screening for lung cancer. Lung Cancer Manag. 2014.
4. Ardila D, Kiraly AP, Bharadwaj S, et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography (published online May 20, 2019]. Nat Med. 2019.
5. Marr B. What is deep learning AI? A simple guide with 8 practical examples. Forbes. October 1, 2018. Accessed June 5, 2019.
هل كان هذا المقال مفيدًا لك؟
تساعدنا ملاحظاتك على تحسين المحتوى.
تعليقات القراء
شارك تعليقك
لا يُنشر اسمك وتعليقك إلا بعد موافقة المسؤول. لا يُعرض بريدك الإلكتروني للزوار مطلقًا.
كن أول من يعلّق.