Onkologiyada süni intellekt – Hazırda nələr edilir və gələcəkdə bizi nələr gözləyir?
Bu məqalədə
Süni intellekt (Sİ) uzun illərdir onkologiya sahəsində istifadə olunur. Lakin son tədqiqatlar Sİ-nin xərçəngin diaqnostikası və müalicəsində çoxsaylı əlavə tətbiqlər təqdim edə biləcəyini göstərir. Onkologiyada Sİ tətbiqləri son bir neçə ildə ümidverici gələcəkdən reallığa çevrilib və davam edən tədqiqatlar Sİ-nin xərçəngə qulluqda çoxsaylı əlavə istifadə imkanları verə biləcəyini ortaya qoyur.
Hazırda onkoloji praktikada istifadə olunan Sİ tətbiqləri əsasən xərçəngin diaqnostikası sahəsində kömək edir. Maşın öyrənməsi və dərin öyrənmə modelləri xərçəng diaqnozunun qoyulması prosesinin dəqiqliyini və səmərəliliyini artırmaq üçün istifadə olunur.
Aşağıda "süni intellekt", "maşın öyrənməsi" və "dərin öyrənmə" anlayışlarının əhatə dairəsini görmək olar.
Bu gün süni intellekt
ABŞ Qida və Dərman İdarəsi (FDA) onkologiyada istifadə üçün çoxsaylı Sİ texnologiyalarını təsdiqləyib; ən diqqətçəkən tətbiqlər radiologiya sahəsindədir.
2021-ci ildə aparılmış təhlilə görə onkologiyada istifadə üçün təsdiqlənmiş Sİ ilə əlaqəli cihazlar ən çox
- radiologiya (54,9%) və
- patologiya (19,7%) sahələrində istifadə olunur və
- bu cihazlar ən çox süd vəzi xərçəngi (31%) üçün istifadə edilir.
Süd vəzi radioloqları Sİ-dən
- süd vəzinin sıxlığını müəyyənləşdirmək,
- mammoqrafiyanın keyfiyyətini qiymətləndirmək,
- mammoqramları süd vəzi xərçəngi riski aşağı, orta və ya yüksək olanlar kimi təsnif etmək,
- süd vəzi xərçənglərini müəyyənləşdirmək
- və həmçinin aterosklerotik xəstəlik (ürək-damar tıxanması) riski olanları müəyyənləşdirmək kimi işlərdə getdikcə daha çox istifadə edirlər.
Sİ həmçinin süd vəzinin ultrasəs müayinəsindəki bir tapıntının xərçəng olub-olmadığı barədə əlavə məlumat verə bilər.
Sİ kolorektal xərçəngin skrininqi və diaqnostikasında da effektiv olub. 2021-ci ildə FDA GI Genius-un bazara çıxarılmasını təsdiqlədi. Bu, kolonoskopiya zamanı zədələnmələri aşkar etmək üçün Sİ-dən istifadə edən ilk cihaz oldu.
ƏLAQƏLİ MÖVZULAR:
Rəqəmsal süd vəzi tomosintezi üçün süni intellekt texnologiyası FDA təsdiqi aldı
Bununla yanaşı, Sİ bəzi patologiya laboratoriyalarında rəqəmsal patoloji preparatları oxumaq və xərçəng diaqnozlarını dəqiqləşdirmək üçün istifadə olunur; bu tətbiqlər sahədə uzun illər aparılan tədqiqatlardan sonra ortaya çıxıb.
İndiyədək danışdıqlarımızın hamısı görüntülərin tanınması ilə bağlı idi. Bununla yanaşı, Sİ-dən yeni xərçəng dərmanlarının hazırlanmasında da istifadə olunmağa başlanıb.
Bəzi dərman şirkətləri onkologiyada yeni və təhlükəsiz molekulyar hədəflər kəşf etmək üçün Sİ-dən istifadə edir, digər şirkətlər isə tamamilə yeni dərman namizədi molekullarını layihələndirmək üçün Sİ-ni bəzən molekulyar modelləşdirmə ilə birləşdirir. Dərman kəşfi sahəsində Sİ-nin gələcəyi çox parlaqdır.
Sİ həmçinin radioterapiya planlaşdırılmasının səmərəliliyini artırmaq və şişlə orqanların konturlarını müəyyənləşdirmək, beləliklə müalicəni sürətləndirmək, şüalanmanın çatdırılmasının effektivliyini və təhlükəsizliyini artırmaq üçün istifadə olunur.
Dəstəkləyici və ya palliativ qulluq çərçivəsində, süni intellekt (Sİ) uzaqdan izlənən xəstələrin özlərinin bildirdiyi həyati göstəriciləri qiymətləndirmək üçün istifadə olunur. Təbii dilin emalı (NLP) və maşın öyrənməsi (ML) modelləri sayəsində sağlamlıqdakı mənfi meyllər erkən mərhələdə aşkarlana və lazımi xəbərdarlıqlar sürətlə verilə bilər. Bu modellər sağlamlıq vəziyyətindəki kritik dəyişiklikləri avtomatik müəyyənləşdirə, sürətli müdaxilə üçün lazım olan məlumatları təqdim etməklə xəstələrə qulluq keyfiyyətini artıra bilər.
Gələcəkdə süni intellekt
Sİ-nin onkologiyada əlavə tətbiq potensialını göstərən çoxsaylı tədqiqatlar davam edir.
Süd vəzinin görüntülənməsi Sİ tədqiqatları üçün əlverişli sahə sayılır. Gələcək tətbiqlər ailə anamnezindən asılı olmayaraq və ya onunla birlikdə istifadə edildikdə qısa və uzun müddətdə süd vəzi xərçəngi riskini müəyyənləşdirmək üçün mühüm vasitəyə çevrilə bilər.
Tədqiqatçılar Sİ-nin qarın nahiyəsinin görüntülənməsindən və xəstələrin uzunmüddətli elektron sağlamlıq qeydlərindən istifadə edərək mədəaltı vəzi xərçəngi riski yüksək olan xəstələri müəyyənləşdirmək qabiliyyətini araşdırırlar. Bu, yüksək ölüm göstəriciləri ilə əlaqəli xəstəlikdə erkən diaqnostika imkanı verərək yüksək riskli şəxslər üçün skrininq proqramlarının yaradılmasını mümkün edə bilər.
Nəhayət, Sİ xərçənglərin molekulyar xüsusiyyətlərini və bioloji markerlərini qiymətləndirə bilər; bu da bəzi hallarda invaziv biopsiyaları və nəticələri gözləməyi lüzumsuz edə bilər.
Bu, qan götürülməsi və ya MRT (maqnit-rezonans tomoqrafiya) radiomikası ilə həyata keçirilən qeyri-invaziv bir "virtual biopsiya" sayəsində mümkün ola bilər. Məsələn, dərin öyrənmə modeli beyin MRT-sini təhlil edərək beyin şişində IDH1 və ya BRAF kimi spesifik genetik mutasiyanın olub-olmadığını müəyyənləşdirə bilər.
Onkologiyada omik yanaşma, genomika (genom elmi), transkriptomika (transkriptom elmi), proteomika (proteom elmi) və metabolomika (metabolom elmi) kimi sahələr vasitəsilə xərçəng biologiyasının dərindən başa düşülməsini hədəfləyir. Bu yanaşma xərçəng hüceyrələrinin genetik və molekulyar səviyyədə necə işlədiyini anlamağa və xərçəng müalicəsində daha effektiv strategiyalar hazırlamağa yönəlir. Omik yanaşma fərdiləşdirilmiş tibbə və daha dəqiq hədəflənmiş xərçəng müalicələrinə yol açır; beləliklə müalicənin effektivliyi artır, yan təsirlər azalır.
ChatGPT ilə süni intellektdə yeni dövr
Yeni və böyük addım kimi ChatGPT kimi böyük dil modelləri (BDM) onkologiyada tətbiq potensialı olan həyəcanverici inkişaf kimi önə çıxır.
Mövcud ChatGPT modellərinin tibbi suallara yüksək dəqiqliklə cavab verə bildiyini göstərən tədqiqatlar var. Lakin bu nəticələr yüksək keyfiyyətli real məlumat dəstləri ilə daha sistemli şəkildə təsdiqlənməlidir.
Xəstəxanaların və tibb mərkəzlərinin laboratoriya nəticələri, müayinələr və əvvəlki tibbi tarixçə kimi məlumatları əhatə edən yüksək keyfiyyətli böyük dil modelləri (BDM) öyrətmək üçün yaxın gələcəkdə petabaytlarla tibbi onkologiya məlumatına çıxış əldə etmək ehtimalı onkologiyada Sİ tətbiqlərini əhəmiyyətli dərəcədə irəli apara bilər. Bu cür məlumat çıxışı xərçəngin diaqnostikası, müalicəsi və araşdırılması üçün daha effektiv, fərdiləşdirilmiş Sİ modellərinin hazırlanmasını mümkün edərək xəstələrə qulluğu və müalicə nəticələrini yaxşılaşdıra bilər.
Onkologiyada ChatGPT nümunələri
Bu ilin əvvəlində yayımlanmış tədqiqatda Haver və komandası ChatGPT-nin süd vəzi radioloqları tərəfindən təsdiqlənmiş süd vəzi xərçənginin skrininqi və profilaktikası ilə bağlı suallara 88% dəqiqliklə cavab verdiyini müəyyənləşdirdi.
2023-cü ilin avqustunda yayımlanmış iki tədqiqat çatbotların müxtəlif xərçəng növləri ilə bağlı suallara yüksək dəqiqliklə cavab verə bildiyini, lakin bu texnologiyanın hələ də məhdudiyyətlər daşıdığını ortaya qoydu.
Bu tədqiqatlardan birində Pan və komandası dəri, kolorektal, prostat, ağciyər və süd vəzi xərçəngləri ilə bağlı internetdə ən çox axtarılan suallara çatbotların cavablarını qiymətləndirdi. Çatbotlar ümumilikdə yüksək keyfiyyətli məlumat təqdim edirdilər, lakin bu məlumatlar həmişə praktik addıma çevrilə bilmirdi və universitet səviyyəsində oxu bacarığı tələb edəcək dildə yazılmışdı.
Digər tədqiqatda Chen və komandası çatbotun xərçəng müalicələri ilə bağlı cavablarının ABŞ Milli Kompleks Xərçəng Şəbəkəsinin (US-NCCN) təlimatlarındakı tövsiyələrlə həmişə uyğun olmadığını ortaya qoydu. Çatbot süd vəzi, prostat və ağciyər xərçəngi haqqında sualların 98%-inə ən azı bir müalicə tövsiyəsi verə bilirdi və bu cavabların hamısında ən azı bir US-NCCN ilə uyğun tövsiyə vardı. Lakin cavabların 34,3%-də ən azı bir uyğunsuz tövsiyə olduğu halda, 12,5%-i "hallüsinasiya" (yəni tövsiyə olunan heç bir müalicənin tərkib hissəsi olmayan) idi.
Sİ-nin başqa bir tətbiq sahəsi təbii dilin emalı modellərindən istifadə edərək xərçəng xəstələrinin sağqalım ehtimalını proqnozlaşdırmaqdır. Nunez və komandası bu modellərin yalnız xəstənin ilkin onkoloji konsultasiyasından əldə edilmiş məlumatlara əsaslanaraq sağqalım nəticələrini proqnozlaşdıra bildiyini sənədləşdirdi.
Klinik istifadə üçün Sİ-nin optimallaşdırılması
Mütəxəssislər klinik onkologiyada süni intellekt (Sİ) istifadəsini optimallaşdırmaq üçün bir sıra məhdudiyyət və məsələlərin həll edilməli olduğunu bildirirlər.
Etik baxımdan Sİ modelləri və Sİ ilə işləyən tibbi cihazlar müxtəlif məlumat dəstləri ilə hazırlanmalı və klinik praktikada istifadə edilərkən xidmət göstərəcəkləri xəstə qruplarını düzgün təmsil etmələri təmin olunmalıdır. Əks halda bu modellər və cihazlar qərəzi və səhiyyədə bərabərsizlikləri artıra bilər.
Tədqiqat və inkişaf (Ar-Ge) mərhələsində böyük və müxtəlif məlumat dəstlərindən istifadənin qarşısındakı maneələrdən biri tibb mərkəzlərinin məlumat paylaşmaqla bağlı tərəddüdləridir.
Məlumat paylaşımını adi praktikaya çevirmək və ideal halda xəstələrin dəstəyi ilə təşviq etmək yollarını tapmalıyıq. Yaxud Sİ modellərini yerli səviyyədə öyrətmək, modelləri müxtəlif mərkəzlər arasında birləşdirmək, sonra isə birləşdirilmiş modellərin dəqiqliyini yoxlamaq üçün yeni öyrətmə alqoritmləri hazırlamalıyıq.
Bütün bu irəliləyişlərə baxmayaraq bir çox mövcud modelin klinik praktikada qiymətləndirilməsi zəruridir.
Bir Sİ modeli rəfdə qalırsa, o, sadəcə modeldir. Real onkologiyada Sİ klinik qulluqda istifadə olunan, həkimlərə dəyər verən, xəstə və səhiyyə sistemi nəticələrini yaxşılaşdıran model olmalıdır. Bu modellərin istifadəyə yararlılığı, qəbul edilməsi və təhlükəsizliyi müəyyənləşdirilməli, təsirlərini anlamaq üçün davamlı qiymətləndirmə prosesləri aparılmalıdır.
Hazırda Sİ modellərinin klinik mühitdə qəbulunu məhdudlaşdıran tətbiq çətinlikləri mövcuddur; bunlara
- Sİ modellərinin elektron sağlamlıq qeydləri proqramına inteqrasiyasında yaşanan çətinliklər,
- bir çox Sİ modelində intuitiv istifadəçi interfeyslərinin olmaması və
- bəzi ən yeni modellərin öyrədilməsinin yüksək xərcləri daxildir.
Mənbələr
2. Artificial intelligence and machine learning (AI/ML)-enabled medical devices. US Food and Drug Administration. 5 oktyabr 2022-ci ildə yayımlanıb. Müraciət tarixi: 24 sentyabr 2023.
3. Luchini, C., Pea, A. & Scarpa, A. Artificial intelligence in oncology: Current applications and future perspectives. Br J Cancer. 2022;126:4-9. doi:10.1038/s41416-021-01633-1
4. Schaffter T, Buist DSM, Lee CI, et al. Evaluation of combined artificial intelligence and radiologist assessment to interpret screening mammograms. JAMA Netw Open. 2020;3(3):e200265. doi:10.1001/jamanetworkopen.2020.0265
5. Arasu VA, Habel LA, Achacoso NS, et al. Comparison of mammography AI algorithms with a clinical risk model for 5-year breast cancer risk prediction: An observational study. Radiology. 2023;307:5. https://doi.org/10.1148/radiol.222733
6. Shen Y, Shamout FE, Oliver JR, et al. Artificial intelligence system reduces false-positive findings in the interpretation of breast ultrasound exams. Nat Commun. 2021;12(1):5645. doi:10.1038/s41467-021-26023-2
7. Mansur A, Saleem Z, Elhakim T, Daye D. Role of artificial intelligence in risk prediction, prognostication, and therapy response assessment in colorectal cancer: Current state and future directions. Front Oncol. 2023;13:1065402. doi:10.3389/fonc.2023.1065402
8. FDA authorizes marketing of first device that uses artificial intelligence to help detect potential signs of colon cancer. US Food and Drug Administration. 9 aprel 2021-ci ildə yayımlanıb. Müraciət tarixi: 24 sentyabr 2023.
9. Senthil Kumar K, Miskovic V, Blasiak A, et al. Artificial intelligence in clinical oncology: From data to digital pathology and treatment. Am Soc Clin Oncol Educ Book. 2023;43:e390084. doi:10.1200/EDBK_390084
10. You Y, Lai X, Pan Y, et al. Artificial intelligence in cancer target identification and drug discovery. Signal Transduct Target Ther. 2022;7(1):156. doi:10.1038/s41392-022-00994-0
11. Wang L, Song Y, Wang H, et al. Advances of artificial intelligence in anti-cancer drug design: A review of the past decade. Pharmaceuticals. 2023;16(2):253. doi:10.3390/ph16020253
12. Hindocha S, Zucker K, Jena R, et al. Artificial intelligence for radiotherapy auto-contouring: Current use, perceptions of and barriers to implementation. Clinical Oncology. 2023;35(4):P219-226. doi:10.1016/j.clon.2023.01.014
13. Qureshi TA, Javed S, Sarmadi T, Pandol SJ, Li D. Artificial intelligence and imaging for risk prediction of pancreatic cancer: A narrative review. Chin Clin Oncol. 2022;11(1):1. doi:10.21037/cco-21-117
14. Haver HL, Ambinder EB, Bahl M, Oluyemi ET, Jeudy J, Yi PH. Appropriateness of breast cancer prevention and screening recommendations provided by ChatGPT. Radiology. 2023;307(4):e230424. doi:10.1148/radiol.230424
15. Pan A, Musheyev D, Bockelman D, Loeb S, Kabarriti AE. Assessment of artificial intelligence chatbot responses to top searched queries about cancer. JAMA Oncol. 24 avqust 2023-cü ildə onlayn yayımlanıb. doi:10.1001/jamaoncol.2023.2947
16. Chen S, Kann BH, Foote MB, et al. Use of artificial intelligence chatbots for cancer treatment information. JAMA Oncol. 24 avqust 2023-cü ildə onlayn yayımlanıb. doi:10.1001/jamaoncol.2023.2954
17. Nunez J-J, Leung B, Ho C, Bates AT, Ng RT. Predicting the survival of patients with cancer from their initial oncology consultation document using natural language processing. JAMA Netw Open. 27 fevral 2023-cü ildə onlayn yayımlanıb. doi:10.1001/jamanetworkopen.2023.0813
Bu məqalə sizə faydalı oldu?
Rəyiniz məzmunumuzu yaxşılaşdırmağa kömək edir.
Oxucu şərhləri
Şərhinizi paylaşın
Adınız və şərhiniz yalnız administrator təsdiqindən sonra dərc olunur. E-poçt ünvanınız ziyarətçilərə heç vaxt göstərilmir.
İlk şərhi siz yazın.