نقطه عطفی مهم در تشخیص سرطان پوست با هوش مصنوعی
در این مقاله
پیشرفت سریع فناوری‌های هوش مصنوعی (YZ، Artificial Intelligence= AI) در تشخیص سرطان پوست نیز به پیشرفت‌های مهمی منجر شده است. تشخیص تصویر یکی از موفق‌ترین حوزه‌های هوش مصنوعی (YZ) است و در تشخیص زودهنگام سرطان پوست نقش مهمی دارد. هوش مصنوعی می‌تواند سرطان پوست را به‌اندازه متخصص پوست درست شناسایی کند؛ این امر با روش‌هایی مانند شبکه‌های عصبی مصنوعی یادگیری عمیق نشان داده شده است.
سرطان‌های پوست از شایع‌ترین انواع سرطان در جهان‌اند و بروز آن‌ها رو به افزایش است. حدود 5% سرطان‌های پوست از نوع تهاجمی ملانوم هستند. بروز ملانوم نیز در سال‌های اخیر در جهان به‌سرعت افزایش یافته است. این افزایش در زنان بیشتر از مردان است؛ به‌ویژه در زنان 50 ساله و بالاتر، میان 2015 و 2019 بروز ملانوم هر سال حدود 1% افزایش یافت.
روش‌های سنتی تشخیص سرطان پوست هزینه‌بر، نیازمند پزشک متخصص و زمان‌گیرند. بنابراین برای کمک به تشخیص سرطان پوست، ابزارهای هوش مصنوعی و سامانه‌های پشتیبان تشخیص به‌تدریج گسترده‌تر می‌شوند.
در سال‌های اخیر برنامه‌های هوش مصنوعی متعددی برای تشخیص سرطان پوست ساخته شده‌اند؛ اما برخی در آغاز نتایج به‌اندازه کافی درست تولید نمی‌کردند. با گذشت زمان، درستی آن‌ها به‌طور چشمگیری بیشتر شد و به ابزارهایی ارزشمند برای تشخیص سرطان پوست تبدیل شدند.
جزئیات مطالعه
پژوهش هوش مصنوعی ارائه‌شده در 12 اکتبر 2023 در کنگره 2023 آکادمی اروپایی پوست و بیماری‌های آمیزشی (EADV? European Academy of Dermatology and Venereology)، طی دوره‌ای 2,5 ساله، 22356 بیمار مشکوک به سرطان پوست را ارزیابی کرد.
- نسخه 3 برنامه هوش مصنوعی در این مطالعه، حساسیت 100% برای شناسایی ملانوم نشان داد (59/59 مورد شناسایی شدند)؛ میزان تشخیص برای همه سرطان‌های پوست 99,5% (189/190) و برای موارد پیش‌سرطانی 92,5% (541/585) بود.
حساسیت آزمایش توانایی آزمون در شناسایی وضعیت یا بیماری مشخص را بیان می‌کند. دقیق‌تر اینکه حساسیت، نسبت شناسایی درست افرادی را نشان می‌دهد که واقعاً آن وضعیت یا بیماری را دارند. آزمون با حساسیت بالا می‌تواند بخش بزرگی از افراد مبتلا را درست شناسایی و تشخیص و درمان زودهنگام را ممکن کند. حساسیت معمولاً به‌صورت درصد بیان می‌شود و اطلاعات حیاتی درباره قابلیت اعتماد و اثربخشی آزمون به کارکنان سلامت می‌دهد.
- نسخه سوم نرم‌افزار AI نسبت به مدل نخست آزموده‌شده در 2021 بهبود مهمی نشان می‌دهد. مدل نخست توانسته بود ملانوم را با درستی 85,9% (195/227)، همه سرطان‌های پوست را با 83,8% (903/1078) و ضایعات پیش‌سرطانی را با 54,1% (496/917) شناسایی کند.
جدول 1: عملکرد نسخه‌های برنامه هوش مصنوعی
|
هوش مصنوعی نسخه 1 (20 آوریل 2020 - 14 ژوئیه 2021) |
هوش مصنوعی نسخه 2 (15 ژوئیه 2021 - 21 آوریل 2022) |
هوش مصنوعی نسخه 3 (22 آوریل 2022 - 5 ژانویه 2023) |
|
|
حساسیت ملانوم |
85.9% |
97.1% |
100% |
|
حساسیت همه سرطان‌های پوست |
83.8% |
98.5% |
99.5% |
|
حساسیت ضایعات پیش‌سرطانی |
54.1% |
94.0% |
92.5% |
|
ویژگی ضایعات خوش‌خیم |
79.7% |
49.4% |
75.3% |
نویسنده اصلی پژوهش، دکتر Kashini Andrew از بریتانیا، می‌گوید: «این مطالعه نشان می‌دهد هوش مصنوعی چگونه سریع رشد می‌کند و می‌آموزد و درستی بالا را می‌توان مستقیماً به بهبود روش‌های آموزش و کیفیت داده‌های آموزش هوش مصنوعی نسبت داد. تازه‌ترین نسخه نرم‌افزار میان آوریل 2022 و ژانویه 2023 در محیط مراقبت سطح دوم، بار بیش از 1000 ویزیت حضوری پزشک را کاهش داد و زمان بیشتری برای بیماران نیازمند توجه فوری فراهم کرد،»
نیاز به نظارت پزشک متخصص ادامه دارد
اگرچه داده‌ها بسیار دلگرم‌کننده‌اند، گروه پژوهش می‌گوید هوش مصنوعی نباید بدون پشتیبانی متخصص مشاور پوست به‌عنوان ابزار مستقل شناسایی استفاده شود. یکی از موارد کارسینوم سلول پایه در میان 190 مورد از دست رفت و بعد در بازخوانی دوم توسط متخصص پوست در «شبکه ایمنی» شناسایی شد. این امر ضرورت نظارت بالینی مناسب بر هوش مصنوعی را بیشتر نشان می‌دهد.
نقش هوش مصنوعی در پوست‌پزشکی و بهترین شیوه استفاده از آن به‌شدت محل بحث است. پژوهش بیشتر همراه با نظارت بالینی مناسب ممکن است استفاده از آن را به‌عنوان ابزار تریاژ ممکن کند؛ اما هر مسیر باید مقرون‌به‌صرفه بودن خود را نشان دهد و هوش مصنوعی اکنون ابزار مستقلی در پوست‌پزشکی نیست. این مطالعات ظرفیت امیدبخش بزرگ آن را در ارائه خدمات سلامت آینده نشان می‌دهند.
منابع
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.