هیچ محصولی در سبدخرید نیست.
پس از دهه‌ها تلاش برای یافتن درمان سرطان مبتنی بر دارو، اکنون پزشکان امیدوارند که فناوری به تشخیص و درمان سرطان کمک کند. بسیاری از روش‌های تشخیص و درمان سرطان، که می‌توانند به نجات جان انسان‌ها حتی در بدترین چشم‌اندازها کمک کنند، به لطف پیشرفت در زمینه‌های هوش مصنوعی (AI) و تجزیه و تحلیل تصویر پزشکی ظاهر شدند. بیایید نگاهی دقیق‌تر به این بیندازیم که این فناوری‌ها چه تغییراتی می‌توانند در نبرد با سرطان ایجاد کنند.
تجزیه و تحلیل تصویر برای تشخیص سریع و دقیق سرطان
وقتی صحبت از انواع تهاجمی سرطان می شود، دانشمندان و محققان به ماهیت ضروری تشخیص سریع پی می برند. بسیاری از سرطان‌ها، مانند مزوتلیومای سرطان ریه، اغلب به اشتباه تشخیص داده می‌شوند یا خیلی دیر تشخیص داده می‌شوند، و بیماران را در گزینه‌های درمانی و امید به زندگی کوتاه‌مدت انتخاب می‌کنند. با هوش مصنوعی در تصویر، پزشکان منتظر تشخیص سریع‌تر سرطان هستند.
محققان در آلمان، فرانسه و ایالات متحده قبلاً فاش کرده‌اند که هنگام تشخیص سرطان، فناوری هوش مصنوعی دقیق‌تر از چشم پزشک است. مطالعات آنها نشان داد که نرم افزار تجزیه و تحلیل تصویر مبتنی بر هوش مصنوعی می تواند سرطان را در 95 درصد از تصاویر خال های سرطانی و نقاط خوش خیم تشخیص دهد. در مقایسه، پزشکان تنها در 87 درصد از تصاویر دقیقاً مشابه سرطان را به درستی تشخیص دادند.
سیستم‌های هوش مصنوعی و ابری مشترک
بسیاری از شرکت‌های تحقیقاتی که مشارکت پزشکی ندارند و از این رو به داده‌های بیمار دسترسی ندارند، مجبور هستند سیستم‌های هوش مصنوعی خود را بر روی پرونده‌های ساختگی بیمار آموزش دهند. این امر مانع تکامل الگوریتم‌های هوش مصنوعی می‌شود که به تشخیص، تشخیص و درمان بیماری کمک می‌کنند، زیرا کار با داده‌های واقعی بیمار برای رشد آنها بسیار مهم است. آی‌بی‌ام فقدان داده‌های دنیای واقعی را دلیل اصلی ارائه توصیه‌های درمانی نادرست هوش مصنوعی Watson نامید.
ابر سرطان مشترک (CCC) می تواند این مشکل را حل کند، زیرا همه اطلاعات بیماران سرطانی اکنون می توانند به این سیستم مبتنی بر ابر ایمن و رمزگذاری شده که توسط اینتل توسعه یافته است، اضافه شود. داده‌های موجود در CCC برای آموزش سیستم‌های هوش مصنوعی جدید و همچنین برای کار نرم‌افزار هوش مصنوعی از قبل بالغ مفید است. در مورد دوم، می‌تواند هزینه‌های زمانی برای تشخیص، تشخیص و برنامه‌ریزی درمان سرطان را تنها به 24 ساعت کاهش دهد. برای مثال، می‌توان از هوش مصنوعی خواسته شد که داده‌های بیمار تازه تشخیص داده شده را با تعداد زیادی از داده‌های بیماران مسن‌تر در CCC مقایسه کند. پس از تکمیل تجزیه و تحلیل، پزشکان اطلاعات دقیقی در مورد نوع جهش‌های DNA یک بیمار جدید و نحوه درمان این جهش‌ها دریافت خواهند کرد.
تجزیه و تحلیل الگوی DNA مبتنی بر هوش مصنوعی
مؤسسه تحقیقات سرطان لندن (ICR) تکنیک جدیدی به نام تکامل مکرر سرطان، که به عنوان هفت تیر نیز شناخته می شود، توسعه داد. طبق این روش، یک سیستم هوش مصنوعی یک الگوی DNA جهش یافته را در سلول های سرطانی انتخاب می کند و از آن اطلاعات برای پیش بینی تغییرات ژنتیکی بیشتر استفاده می کند. علاوه بر این، تیم تحقیقاتی ICR ارتباطی بین توالی‌های DNA خاص و نتایج درمان پیدا کردند. این نشان می دهد که الگوهای DNA بیماران سرطانی درمان شده می تواند برای ارائه پیش آگهی دقیق تری به بیمارانی که اخیراً تشخیص داده شده اند، استفاده شود.
دکتر Andrea Sottotiva، که مطالعه ICR را رهبری کرد، گفت که هوش مصنوعی ابزاری انقلابی برای انجام تجزیه و تحلیل سریع و دقیق تصویر و مقایسه الگوهای DNA است. او امیدوار است که این ابزار به ارائه دهندگان مراقبت های بهداشتی کمک کند تا بیماری در حال تغییر را پیش بینی کنند و قبل از اینکه سلول های سرطانی به دارو مقاوم شوند، به طور موثرتری با بیماران کار کنند.
Inception v3
Inception v3 توسط Google نمونه ای از نرم افزار تجزیه و تحلیل تصویر مبتنی بر هوش مصنوعی است که با داده های DNA و سرطان کار می کند. سیستم گوگل دارای یک الگوریتم منبع باز است که برای شناسایی 1000 کلاس مختلف از اشیا آموزش دیده است. به عنوان بخشی از این آموزش، توسعه دهندگان از هزاران تصویر از بافت های سالم و سرطانی از اطلس ژنوم سرطان استفاده کردند. به لطف زیرمجموعه ای پیچیده از یادگیری ماشینی به نام «یادگیری عمیق»، این نرم افزار توانست به تنهایی پیشرفت کند و تفاوت بین دو نوع بافت و همچنین انواع مختلف سلول های سرطانی را بیاموزد.
Aristotelis Tsirigos، آسیب شناس در دانشکده پزشکی NYU و نویسنده اصلی مطالعه هوش مصنوعی و سرطان، اظهار داشت که Inception v3 همچنین می تواند جهش هایی را در داخل DNA سلول های سرطانی پیدا کند و به پزشکان کمک می کند تا جهش ها را کشف کنند و با درمان مناسب از بیماری پیشی بگیرند. . او گفت: “به نظر می رسد این جهش های محرک سرطان دارای اثرات میکروسکوپی هستند که الگوریتم می تواند آنها را تشخیص دهد.”
سیستم گوگل به قدری پیشرفته است که به طور مداوم در “جعبه سیاه” خود، بدون دخالت انسان، در حال یادگیری است. نه برنامه نویسان و نه پزشکان نمی دانند دقیقا چگونه اکتشافات خاصی را انجام می دهد. این چیزی است که حوزه پزشکی را نگران می‌کند: به هر حال، ماشین‌ها ممکن است اشتباه کنند، و اگر سازندگان ندانند الگوریتم‌ها چگونه کار می‌کنند، نمی‌توانند محاسبات اشتباه را پیدا کنند و از آن جلوگیری کنند. با این حال، متخصصان Cornell می گویند که با دقت 99٪ Inception v3، ریسک ارزش پاداش را دارد.
آینده این مبحث
هوش مصنوعی و تجزیه و تحلیل تصویر می تواند به متخصصان مراقبت های بهداشتی کمک کند تا گزینه های درمانی بیشتری را در اختیار بیماران سرطانی قرار دهند. یک نظرسنجی اخیر نشان داد که 60 درصد از آمریکایی ها برای تعیین خطر ابتلا به سرطان در معرض آزمایش ژنتیک هستند، در حالی که 44 درصد از پاسخ دهندگان برای تشخیص سرطان و ارائه توصیه های درمانی به هوش مصنوعی اعتماد دارند. بدیهی است که بیماران در حال حاضر پذیرای رویکردهای جدید هستند.
گزارش Signify Research همچنین بیان می‌کند که انتظار می‌رود بیمارستان‌ها تا سال 2023 سالانه 2 میلیون دلار برای هوش مصنوعی برای دستگاه‌های تصویربرداری پزشکی هزینه کنند. علاوه بر این، طبق نرم‌افزار Azati، یک سیستم پزشکی هوش مصنوعی می‌تواند به طور متوسط بین 35000 تا 100000 دلار هزینه داشته باشد. با این حال، اگرچه هزینه تجهیزات اولیه ممکن است بالا باشد، مطالعه ABI Research در ژوئن 2018 تخمین زده است که برنامه های کاربردی هوش مصنوعی می تواند به بخش مراقبت های بهداشتی جهانی تا سال 2021 تا 52 میلیارد دلار صرفه جویی کند.
پایان .
لینک منبع : https://www.scnsoft.com/blog/cancer-and-ai-based-image-analysis