هوش مصنوعی در کدام زمینه از پزشکان بهتر شده است؟

در 1 ژانویه 2020 در مجله Nature مطالعه‌ای منتشر شد که توسط Google Health، DeepMind و Imperial College London تهیه شده و نام 31 پژوهشگر در آن آمده بود. تشخیص زودهنگام سرطان پستان موضوع این مطالعه بود که در میان خبرهای پربحث شبکه‌های اجتماعی و رسانه‌های خبری قرار گرفت. عنوان‌ها معمولاً «الگوریتم یادگیری عمیق جدید گوگل جای رادیولوژیست‌ها را می‌گیرد» یا درباره بهتر بودن این روش از پزشکان بودند.

هوش مصنوعی

چه عواملی این تصور را ایجاد می‌کنند که هوش مصنوعی می‌تواند از رادیولوژیست‌ها بهتر باشد و جای آن‌ها را بگیرد؟

اگر از 10 پرسش، ماشین‌ها به هشت مورد درست و به دو مورد نادرست پاسخ دهند و رادیولوژیست‌ها در همان پرسش‌ها سه خطا داشته باشند، آیا ماشین‌ها از رادیولوژیست‌ها بهتر می‌شوند؟ سازوکار تصمیم‌گیری انسان / کارکردهای شناختی مغز ساختاری بسیار پیچیده دارد و هنوز جزئیات کشف‌نشده‌ای در آن هست. یک رادیولوژیست برای تصمیم‌گیری درباره سرطانی بودن یا نبودن فرد از روی تصاویر ماموگرافی و در موارد مشکوکی که مطمئن نیست، آزمایش‌های بالینی اضافی مانند نمونه‌برداری در اختیار دارد و تمام عمر خود را صرف آموزش لازم برای این تصمیم‌گیری‌ها می‌کند.

- موضوع مرتبط: آیا با وجود منفی بودن ماموگرافی، خطر سرطان پستان وجود دارد؟

در مقابل، در فناوری پردازش تصویر رایانه‌ای ایجادشده با الگوریتم‌های یادگیری عمیق که در سلامت زیاد می‌شنویم، تلاش می‌شود با استفاده از پیکسل‌های تصاویر داده‌های معنادار به دست آید. الگوریتم آموزش‌دیده با تصاویر آزمایشی‌ای ارزیابی می‌شود که قبلاً هرگز نشان داده نشده‌اند.

الگوریتم مسیر راه‌حلی است که برای رسیدن به حل یک مسئله ایجاد شده است. می‌توان آن را «مسئله + الگوریتم = راه‌حل» در نظر گرفت. اختصاصی پزشکی نیست، اما الگوریتم‌ها بیش از همه در پزشکی و مهندسی استفاده می‌شوند. برای خدمت به سلامت، هوش‌های مصنوعیطوری طراحی می‌شوند که هزاران، حتی تعداد نامحدودی، الگوریتم را بدانند.

در ارزیابی فناوری‌های هوش مصنوعی فقط میزان دقت بررسی نمی‌شود

الگوریتم یادگیری عمیقی که با دقت % 95 پیش‌بینی می‌کند ممکن است در خطای %5 خود اطلاعات بسیار حیاتی داشته باشد. بنابراین در ارزیابی الگوریتم‌های یادگیری عمیق حتماً به ماتریس‌های خطا نیز اهمیت داده می‌شود. ماتریس خطا جدولی با چهار ترکیب مختلف است. این جدول به‌ترتیب شامل نتایج مثبت واقعی، منفی واقعی، مثبت کاذب و منفی کاذب است.

همان‌طور که از نامشان پیداست، مقادیر درست نتایجی هستند که مدل درست پیش‌بینی کرده است. اما مقادیر نادرست نتایجی هستند که مدل در آن‌ها اشتباه کرده است. برای توضیح می‌توان الگوریتمی برای آزمایش بارداری را مثال زد. مثبت کاذب یعنی مدل فرد را باردار پیش‌بینی کند، اما در واقع باردار نباشد؛ منفی کاذب نیز در بیان متن، برعکس، فرد باردار نیست اما باردار پیش‌بینی می‌شود.

همان‌طور که دیده می‌شود میزان خطای الگوریتم‌های یادگیری عمیق با حساسیت بالا می‌تواند اطلاعات بسیار مهمی داشته باشد. یعنی دادن نتیجه مثبت سرطان به کسی که واقعاً سرطان ندارد، از نظر روانی مشکلات جدی برای او ایجاد خواهد کرد.

پژوهش اخیر با حضور پژوهشگران متعدد نیز براساس همین نتایج، ماشین‌ها و رادیولوژیست‌ها را مقایسه می‌کند.

جزئیات مطالعه Nature

هنگام مطالعه برای آموزش مدل یادگیری عمیق، تصاویر ماموگرافی زنان بررسی‌شده برای سرطان پستان بین سال‌های 2012 و 2015 از بیمارستان‌های مختلف انگلستان، حدود 25 هزار زن، و برای آزمایش تصاویر حدود 3 هزار زن از آمریکا استفاده شد. در معماری مدل سه شبکه عصبی مصنوعی متفاوت به کار رفتند: RetinaNet ساخته فیس‌بوک، MobileNetV2 ساخته گوگل و ResNet V-1 50 ساخته مایکروسافت. مدل براساس یک آستانه مشخص درباره سرطانی بودن یا نبودن بافت تصمیم می‌گیرد. بنابراین هنگام تعیین آستانه در آموزش مدل، هدف کاهش مثبت‌های کاذب و منفی‌های کاذب بود.

پس از آموزش مدل، برای مقایسه با رادیولوژیست‌ها روی 500 تصویر ماموگرافی متفاوت آزمایش شد و به‌ویژه نسبت به رادیولوژیست‌های آمریکا، مثبت کاذب (%9.4 کمتر) و منفی کاذب (%5.4 کمتر) کمتری داشت. این نتایج از مقایسه مدل‌های هوش مصنوعی با تصمیم یک رادیولوژیست در هر بار به دست آمده‌اند. هوش مصنوعی در برابر تصمیم‌های دو رادیولوژیست متفاوت که با تبادل نظر گرفته شده بودند، موفقیت مهمی نشان نداد.

از این مطالعه می‌توان تصور کرد فناوری هوش مصنوعی ممکن است به حذف ضرورت بررسی دو رادیولوژیست، به‌ویژه در بریتانیا، و کاهش زمان و هزینه کمک کند. به این ترتیب یک رادیولوژیست می‌تواند با پشتیبانی هوش مصنوعی تصمیم دقیق‌تر و سریع‌تری بگیرد. اما همان‌طور که دیده می‌شود فعلاً واقع‌بینانه نیست بگوییم می‌تواند جای رادیولوژیست‌ها را بگیرد. ویل نایت، دبیر متخصص هوش مصنوعی در MIT Technology Review، می‌گوید اینکه هیچ‌کس دقیقاً نمی‌داند پیشرفته‌ترین الگوریتم‌ها چگونه کارهایی را که می‌کنند انجام می‌دهند، ممکن است مشکل باشد.

شبکه‌های عصبی مصنوعی مدل‌های جعبه سیاه شناخته می‌شوند و توضیح بسیار روشنی درباره چگونگی به دست آمدن پیش‌بینی‌هایشان نمی‌توان ارائه کرد. بنابراین رادیولوژیست‌ها در موارد نامطمئن با آزمایش‌های اضافی تلاش می‌کنند تصمیم دقیق‌تری بگیرند، اما راهکارهای هوش مصنوعی کنونی فقط براساس تصویر پیش‌بینی می‌کنند.

پروفسور کن یانگ که برای سرویس ملی سلامت کار می‌کند، می‌گوید این مطالعه با سناریوهای زندگی واقعی سازگار است، درحالی‌که در مطالعات قبلی این حوزه معمولاً مجموعه‌داده‌های آماده‌تری استفاده شده و این می‌توانسته احتمال سوگیری آن مطالعات را ایجاد کند.

نتیجه نتایج این مطالعه که از نظر زیرساخت دانشگاهی و فناوری بسیار قوی است، راه استفاده از هوش مصنوعی در سلامت را باز خواهد کرد. اما برخلاف عنوان‌های خبری، هنوز به سطحی نرسیده‌اند که جای رادیولوژیست‌ها را بگیرند. بااین‌حال به نظر می‌رسد در آینده نزدیک، در حوزه تشخیص ماشین‌ها نیاز به متخصصان انسانی را به‌طور چشمگیری کاهش دهند. در تصمیم‌های درمانی هنوز هوش مصنوعی راه بسیار بیشتری در پیش دارد.

*

در شکل زیرمی‌توانید تعریف‌ها و تفاوت‌های 3 اصطلاح جدید و پرکاربرد نزدیک به هم در فناوری اطلاعات، یعنی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را ببینید.