پیش‌بینی اینکه آیا در آینده سرطان پستان خواهید گرفت با هوش مصنوعی

Radilogy براساس پژوهشی منتشرشده در این مجله در 17 دسامبر 2019، مدلی از یکی از انواع کاربرد هوش مصنوعی که اخیراً بیشترین بحث‌ها درباره آن بوده است، یعنی یادگیری عمیق (deep learning) ، یکی از پرگفت‌وگوترین انواع کاربرد هوش مصنوعی در روزهای اخیر، توانست با دقت بالاتر از مدل‌های مبتنی بر تراکم (density) پیش‌بینی کند کدام زنان در معرض خطر ایجاد سرطان پستان در آینده هستند. دکتر کارین دمبروئر و همکاران از مؤسسه کارولینسکا استکهلم امتیاز خطری مرتبط با سرطان پستان آینده ایجاد کردند و در یک مطالعه گذشته‌نگر (مبتنی بر داده‌های گذشته) این مدل یادگیری عمیق را با مدل‌های مبتنی بر تراکم مقایسه کردند. توسعه مدل بر موارد تشخیص‌داده‌شده از 2008 تا 2012 استوار بود؛ برای هر زن، روی نخستین ماموگرام دیجیتال موجود، امتیاز خطر یادگیری عمیق، ناحیه متراکم و درصد تراکم محاسبه شدند.

یادگیری عمیق در سامانه‌های آن، الگوریتم‌های ساخته انسان مسئول گردآوری، مرتب‌سازی و تحلیل حجم بزرگی از داده‌ها هستند. داده‌های عظیم (big data)، یک شبکه عصبی مصنوعی (مجموعه الگوریتم‌هایی با الهام از عملکرد مغز انسان) را تغذیه می‌کنند و سپس تفسیر می‌شوند. برنامه‌نویسان به ماشین نمی‌گویند با داده‌ها چه کند؛ در عوض ماشین داده‌ها را تحلیل و براساس آموخته‌هایش تصمیم می‌گیرد. در بیشتر موارد هرچه داده بیشتری بگیرد، تصمیم دقیق‌تری دارد. در مطالعه مجموعاً 2.283 زن ارزیابی شدند که در 278 نفر بعدها سرطان پستان تشخیص داده شد. پژوهشگران دریافتند در مقایسه با زنان بدون تشخیص سرطان پستان، زنان مبتلا هنگام ماموگرافی سن بالاتر (میانه 55,7 در برابر 54,6 سال)، ناحیه متراکم بیشتر (میانه 38,2 در برابر 34,2 cm²) و درصد تراکم بیشتر (میانه % 25,6 در برابر 24.0 درصد) داشتند.

• موضوع مرتبط: پستان متراکم چیست؟ چرا خطر سرطان در پستان متراکم بالاتر است؟ در مقایسه با ناحیه متراکم و درصد تراکم، امتیاز خطر یادگیری عمیق تعدیل‌شده براساس سن نتایج دقیق‌تری داد. میزان منفی کاذب (دادن اشتباه نتیجه خوش‌خیم درحالی‌که واقعیت سرطان است) برای امتیاز یادگیری عمیق تعدیل‌شده براساس سن کمتر بود؛ این تفاوت در سرطان‌های تهاجمی‌تر بیشترین وضوح را داشت. به‌طور کلی مدل مبتنی بر یادگیری عمیق، یک مدل هوش مصنوعی بر پایه شبکه‌های عصبی مصنوعی، بهتر از مدل پیش‌بینی مبتنی بر تراکم بود. در نتیجه اکنون تقریباً قطعی تلقی می‌شود سامانه‌های پشتیبانی تصمیم با این الگوریتم‌های هوش مصنوعی که فعلاً بیشتر با رقابت با متخصصان انسانی آموزش می‌بینند، در آینده نزدیک، حدود 10 سال دیگر، نقش مهمی در تشخیص سرطان و تعیین خطر سرطان داشته باشند.