بهره‌گیری از هوش مصنوعی در تشخیص سرطان
بهره‌گیری از هوش مصنوعی در تشخیص سرطان فناوری به کمک پاتولوژیست‌ها می‌آید
ترجمه: یاسمن جعفری
به‌تـازگـی محقـقـان مرکـز پزشکـی ویـل کـورنـل و نیویورک-پرسبيترين برنامه‌ای کامپیوتری طراحی کرده‌اند که توانایی تمایز انواع سرطان را از روی تصاویر سلولی با دقت نزدیک به صد درصد دارد. این فناوری جدید، پتانسیل ارتقای روش‌های تشخیصی سرطان را دارد، درحال‌حاضر روش‌های تشخیصی مبتنی بر چشم انسان است. تشخیص سرطان از روی تصاویر نمونه بافت، زیر میکروسکوپ به صورت چشمی انجام می‌شود. محققان آسیب‌شناسی بافتی از روی شکل، تعداد، جرم و ظاهر سلول، خوش‌خیمی یا بدخیمی بافت تومور را تشخیص می‌دهند. دقت و صحت بررسی‌ها نقشی حیاتی را در تشخیص درست ایفا می‌کنند که درعین‌حال می‌توانند فرایند تشخیصی را پیچیده کنند. به گفته دکتر «الیویر المنتو»، نویسنده همکار ارشد و مدیر تشخیص پزشکی ویل کورنل در مؤسسه تحقیقاتی انگلاندر، تنوع و گوناگونی در سلول‌های سرطانی بسیار زیاد است. دکتر المنتو تلاش‌های مشترک تشخیص پزشکی در ویل کورنل و مرکز پزشکی ویل کورنل و نیویورک-پرسبيترين را نیز مدیریت می‌کند. او می‌گوید: «خصوصیاتی نظیر مورفولوژی و چیدمان سلول‌ها در تومور و گوناگونی ژنتیکی انواع سرطان هستند که مشاهده هرگونه اختلافی از حالت سالم را با چشم
غیرمسلح دشوار می‌کنند». دکتر المنتو و همکارانش در مركز پزشكي ویل کورنل و نیویورک-پرسبيترين با هدف ارتقای صحت تشخیص سرطان، الگوریتم هوش مصنوعی را برنامه‌نویسی کردند که بعد از بررسی تصاویر پاتولوژی مشخص می‌کند که در صورت بدخیمی تومور، شخص به چه نوع سرطانی مبتلا است. نتایج این بررسی 28 دسامبر در مجله «ای-بیومدیسین» منتشر شده است. محققان از الگوریتم «شبکه عصبی کانولوشنال» که بر پایه مغز انسان مدل‌سازی شده است، برای دسته‌بندی داده‌ها استفاده کرده‌اند. به گفته دکتر «ایمان حاجی‌رسولی‌ها»، نویسنده ارشد همکار و استادیار مؤسسه ویل کورنل در زمینه بیوفیزیک و فیزیولوژی، فقط انسان است که با نگاه به تعدادی تصویر، توان تمایز ویژگی‌های سلول سرطانی را یاد می‌گیرد و الگوریتم شبکه عصبی ما نیز چنین کاری می‌کند. هزاران تصویر پاتولوژی از سرطان ریه، پستان و مثانه که تشخیص آنها قطعی است، ورودی شبکه عصبی کانولوشنال برای «تعلیم الگوریتم» هستند. محققان از جمله دکتر «پگاه خسروی»، نویسنده همکار اول و عضو مقطع پسادکتری در رشته بیومدیسین، محاسباتی در مرکز ویل کورنل به همراه دکتر «احسان کاظمی»، عضو مقطع پسادکتری دانشگاه ییل، الگوریتم
شبکه عصبی کانولوشنال را روی بیش از 13 هزار تصویر جدید پاتولوژی از سرطان ریه، پستان و مثانه پیاده‌سازی کردند تا یادگیری الگوریتم را بسنجند. نتایج پیاده‌سازی نشان داد که الگوریتم با صحت صد درصد انواع سرطان را از روی نمونه‌های حاضر تمییز داده است. علاوه‌براین الگوریتم، زیرمجموعه‌های سرطان ریه را با صحت 92 درصد و مارکرهای زیستی سرطان مثانه و پستان را به‌ترتیب با صحت 99 و 91 درصد دسته‌بندی کرده است. دکتر حاجی‌رسولی‌ها می‌گوید: «نشان دادیم که هوش مصنوعی در تمایز میان انواع سرطان و زیرمجموعه‌های آن بازده قابل‌توجهی دارد و صحت آن بسیار بالاست». دکتر حاجی‌رسولی‌ها عضو تشخیص پزشکی مؤسسه تحقیقاتی انگلاندر است. گروه محققان تأکید کردند که به این زودی‌ها هوش مصنوعی جایگزین نیروی انسانی پاتولوژیست نخواهد شد، اما امیدوارند که این فناوری در تسریع و ارتقای صحت تشخیص سرطان به پاتولوژیست‌ها کمک کند. دکتر المنتو معتقد است: «شبکه عصبی خدمت بزرگی به پاتولوژیست‌ها می‌کند». دکتر المنتو مدیر همکار مؤسسه تحقیقاتی بیومدیسین محاسباتی و مدیر مشترک برنامه ژنتیک، اپی‌ژنتیک و بیولوژی دستگاهی و بیوفیزیک در مرکز پزشکی ویل کورنل است. او
می‌گوید: «الگوریتم الگوهایی را شناسایی می‌کند که تشخیص آن حتی برای متخصصان دوره‌دیده نیز دشوار است، ولی ما همچنان به نیروی انسانی برای تفسیر داده‌ها و تعامل با بیمار نیازمندیم. امید ما این است که این فناوری، بهره‌وری و دقت پاتولوژیست‌ها را افزایش دهد».
https://news.weill.cornell.edu
به‌تـازگـی محقـقـان مرکـز پزشکـی ویـل کـورنـل و نیویورک-پرسبيترين برنامه‌ای کامپیوتری طراحی کرده‌اند که توانایی تمایز انواع سرطان را از روی تصاویر سلولی با دقت نزدیک به صد درصد دارد. این فناوری جدید، پتانسیل ارتقای روش‌های تشخیصی سرطان را دارد، درحال‌حاضر روش‌های تشخیصی مبتنی بر چشم انسان است. تشخیص سرطان از روی تصاویر نمونه بافت، زیر میکروسکوپ به صورت چشمی انجام می‌شود. محققان آسیب‌شناسی بافتی از روی شکل، تعداد، جرم و ظاهر سلول، خوش‌خیمی یا بدخیمی بافت تومور را تشخیص می‌دهند. دقت و صحت بررسی‌ها نقشی حیاتی را در تشخیص درست ایفا می‌کنند که درعین‌حال می‌توانند فرایند تشخیصی را پیچیده کنند. به گفته دکتر «الیویر المنتو»، نویسنده همکار ارشد و مدیر تشخیص پزشکی ویل کورنل در مؤسسه تحقیقاتی انگلاندر، تنوع و گوناگونی در سلول‌های سرطانی بسیار زیاد است. دکتر المنتو تلاش‌های مشترک تشخیص پزشکی در ویل کورنل و مرکز پزشکی ویل کورنل و نیویورک-پرسبيترين را نیز مدیریت می‌کند. او می‌گوید: «خصوصیاتی نظیر مورفولوژی و چیدمان سلول‌ها در تومور و گوناگونی ژنتیکی انواع سرطان هستند که مشاهده هرگونه اختلافی از حالت سالم را با چشم
غیرمسلح دشوار می‌کنند». دکتر المنتو و همکارانش در مركز پزشكي ویل کورنل و نیویورک-پرسبيترين با هدف ارتقای صحت تشخیص سرطان، الگوریتم هوش مصنوعی را برنامه‌نویسی کردند که بعد از بررسی تصاویر پاتولوژی مشخص می‌کند که در صورت بدخیمی تومور، شخص به چه نوع سرطانی مبتلا است. نتایج این بررسی 28 دسامبر در مجله «ای-بیومدیسین» منتشر شده است. محققان از الگوریتم «شبکه عصبی کانولوشنال» که بر پایه مغز انسان مدل‌سازی شده است، برای دسته‌بندی داده‌ها استفاده کرده‌اند. به گفته دکتر «ایمان حاجی‌رسولی‌ها»، نویسنده ارشد همکار و استادیار مؤسسه ویل کورنل در زمینه بیوفیزیک و فیزیولوژی، فقط انسان است که با نگاه به تعدادی تصویر، توان تمایز ویژگی‌های سلول سرطانی را یاد می‌گیرد و الگوریتم شبکه عصبی ما نیز چنین کاری می‌کند. هزاران تصویر پاتولوژی از سرطان ریه، پستان و مثانه که تشخیص آنها قطعی است، ورودی شبکه عصبی کانولوشنال برای «تعلیم الگوریتم» هستند. محققان از جمله دکتر «پگاه خسروی»، نویسنده همکار اول و عضو مقطع پسادکتری در رشته بیومدیسین، محاسباتی در مرکز ویل کورنل به همراه دکتر «احسان کاظمی»، عضو مقطع پسادکتری دانشگاه ییل، الگوریتم
شبکه عصبی کانولوشنال را روی بیش از 13 هزار تصویر جدید پاتولوژی از سرطان ریه، پستان و مثانه پیاده‌سازی کردند تا یادگیری الگوریتم را بسنجند. نتایج پیاده‌سازی نشان داد که الگوریتم با صحت صد درصد انواع سرطان را از روی نمونه‌های حاضر تمییز داده است. علاوه‌براین الگوریتم، زیرمجموعه‌های سرطان ریه را با صحت 92 درصد و مارکرهای زیستی سرطان مثانه و پستان را به‌ترتیب با صحت 99 و 91 درصد دسته‌بندی کرده است. دکتر حاجی‌رسولی‌ها می‌گوید: «نشان دادیم که هوش مصنوعی در تمایز میان انواع سرطان و زیرمجموعه‌های آن بازده قابل‌توجهی دارد و صحت آن بسیار بالاست». دکتر حاجی‌رسولی‌ها عضو تشخیص پزشکی مؤسسه تحقیقاتی انگلاندر است. گروه محققان تأکید کردند که به این زودی‌ها هوش مصنوعی جایگزین نیروی انسانی پاتولوژیست نخواهد شد، اما امیدوارند که این فناوری در تسریع و ارتقای صحت تشخیص سرطان به پاتولوژیست‌ها کمک کند. دکتر المنتو معتقد است: «شبکه عصبی خدمت بزرگی به پاتولوژیست‌ها می‌کند». دکتر المنتو مدیر همکار مؤسسه تحقیقاتی بیومدیسین محاسباتی و مدیر مشترک برنامه ژنتیک، اپی‌ژنتیک و بیولوژی دستگاهی و بیوفیزیک در مرکز پزشکی ویل کورنل است. او
می‌گوید: «الگوریتم الگوهایی را شناسایی می‌کند که تشخیص آن حتی برای متخصصان دوره‌دیده نیز دشوار است، ولی ما همچنان به نیروی انسانی برای تفسیر داده‌ها و تعامل با بیمار نیازمندیم. امید ما این است که این فناوری، بهره‌وری و دقت پاتولوژیست‌ها را افزایش دهد».
https://news.weill.cornell.edu