استفاده از هوش مصنوعی گوگل برای تشخیص سرطان ریه - کتاب یار مهربان

به گزارش کتاب یار مهربان، پژوهشگران دانشگاه نیویورک که یک ایرانی هم بین آنها حضور دارد، یک برنامه مبتنی بر هوش مصنوعی را برای تشخیص سرطان ریه به کار گرفتند.

به گزارش کتاب یار مهربان وبه نقل از وایرد، پژوهشگران دانشگاه نیویورک در مطالعه اخیرشان موفق شدند از یک برنامه مبتنی بر هوش مصنوعی برای تشخیص سرطان ریه استفاده نمایند. این مطالعه نشان داد که یک برنامه هوش مصنوعی گوگل یا برنامه یادگیری ماشین می تواند دو نوع سرطان ریه را تنها از روی یک تصویر و با دقت 97 درصد تشخیص دهد.

این برنامه هوش مصنوعی یک تصویر از یک قطعه بافت سرطانی را تجزیه و تحلیل می نماید و پس از آن به درستی می تواند دو نوع از سرطان های ریه به نام سرطان آدنوکارسینوم(adenocarcinoma) یا سرطان سلول سنگفرشی (squamous cell carcinoma) که حتی تشخیص آن برای آسیب شناسان ماهر نیز سخت است را بدون آزمایش اضافی شناسایی کند.

دکتر نرگس رضوانیان(Narges Razavian) از نویسندگان این مطالعه و استاد رادیولوژی و سلامت جمعیت گفت: ما بسیار هیجان زده هستیم که توانستیم یک سیستم آسیب شناس پیشرفته را توسعه دهیم که می تواند الگوهای ناشناخته ای را در سلول های سرطانی و بافت های اطراف آنها کشف کند.

علاوه بر شناسایی انواع سرطان، هوش مصنوعی مذکور حتی قادر به شناسایی شش ژن غیر عادی مرتبط با سرطان ریه موجود در سلول ها نیز بود.

دقت هوش مصنوعی مذکور بسته به ژن متغیر است و ممکن است گاهی 73 تا 86 درصد نیز تغییر کند. این جهش های ژنتیکی اغلب باعث تغییر شکل سلول و همچنین نحوه ارتباط آن با محیط اطراف می گردد. معمولا شناسایی این تغییرات در ژن یک بیمار، هفته ها به طول می انجامد.

دکتر آریستوتلیس تیریگاس(Aristotelis Tsirigos) نویسنده ارشد این مطالعه و استاد دانشکده آسیب شناسی دانشگاه نیویورک گفت: به تاخیر انداختن آغاز درمان سرطان هرگز خوب نیست. مطالعه ما نشان می دهد که یک هوش مصنوعی قادر خواهد بود فورا مشخصات زیرشاخه سرطانی و جهش یافته را تشخیص دهد تا بیماران درمان های هدفمند را آغاز نمایند.

در این مطالعه پژوهشگران با استفاده از یک شبکه عصبی پیچشی عمیق(deep convolutional neural network) ساخته گردیده توسط گوگل به نام Inception v3 برای تجزیه و تحلیل مقدار زیادی از اطلاعات بصری نیز استفاده کردند.

شبکه های عصبی پیچشی رده ای از شبکه های عصبی عمیق هستند که معمولا برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند.

ساختار شبکه های پیچشی از فرایندهای زیستی قشر بینایی گربه الهام گرفته گردیده است. این ساختار به گونه ای است که تک نورون ها تنها در یک ناحیه محدود به تحریک پاسخ می دهند که به آن ناحیه پذیرش گفته می گردد.

سپس دانشمندان اطلاعات پروژه سرطان ژنوم اطلس(Atlas Genome Cancer) را که یک پایگاه داده با تصاویر سرطان های تشخیص داده گردیده است را به سیستم هوش مصنوعی یاد گردیده وارد کردند.

هنگامی که هوش مصنوعی توانست تنها با تجزیه و تحلیل تصاویر، نوع تومورها را صحیح تشخیص دهد پژوهشگران شگفت زده شدند زیرا تشخیص آن تومورها از روی همان تصاویر برای آسیب شناسان نیز مشکل بوده و در بعضی موارد نیز به اشتباه تشخیص داده اند.

هم اکنون نیز پژوهشگران در حال تلاشند تا سیستم مذکور را با افزودن داده ها توسعه دهند که بتواند تومورها را با دقت حداقل 90 درصد تشخیص دهد.

این مطالعه در مجله Nature Medicine منتشر شد.