طور مركز رايكن لمشاريع الذكاء المتقدمة في اليابان (AIP) تقنية ذكاء صناعي قادرة على تحديد العلامات التشخيصية في صور مرضى السرطان، دون حاجة إلى هوامش تفسيرية، ما سيسهل على الأطباء فهم هذه الصور. أيضًا نجحت التقنية في تحديد علامات تشخيصية للسرطان لم يلاحظها الأطباء، ما يساعد على تحديد احتمالية نكس سرطان البروستات. يُعَد التشخيص اعتمادًا على الذكاء الاصطناعي أدق من التشخيص البشري، وارتفعت الدقة بجمع التوقعات البشرية مع توقعات تقنية الذكاء الصناعي.
يقول يوتشيرو يماموتو، الباحث الرئيس في الدراسة المنشورة في مجلة Nature communications: «تستطيع هذه التقنية أن تساهم في الطب التشخيصي، إذ تمكننا من توقع احتمالية نكس السرطان بدقة عالية، لقدرتها على استخلاص معلومات جديدة من الصور. تستطيع هذه التقنية أيضًا أن تساهم في فهم كيفية الاستعمال الآمن للذكاء الاصطناعي طبيًّا».
تبنى الفريق البحثي بقيادة يماموتو وغو كيمورا، بالتعاون مع عدد من المستشفيات الجامعية في اليابان، منهج التعليم دون حاجة إلى إشراف unsupervised learning.
الفكرة إنه ما دام الذكاء الاصطناعي يستقي معلوماته من البشر، فإنه لن يتمكن من تحصيل معرفة تتخطى ما هو معلوم. ولهذا، بدلًا من تلقين الذكاء الاصطناعي المعلومات الطبية، تستخدم التقنية الشبكات العصبية العميقة في التعلم دون إعطائها أي معلومات طبية.
طور الباحثون وسيلة لترجمة العلامات التي تلتقطها التقنية، المكونة من أرقام فقط، إلى صور عالية الدقة يفهمها الأطباء البشريون.
لتحقيق ذلك، جمع الفريق أكثر من 13 ألف صورة مرضية كاملة للبروستات من مستشفى نيبون التعليمي. هذه كمية هائلة من البيانات، تبلغ نحو 86 مليار صورة جزئية Patch. أما الحوسبة فأُجريت باستخدام تقنية حاسوبية، تعلمت تقنية الذكاء الاصطناعي من طريقها صور الأمراض -دون شرح تشخيصي- باستخدام 11 مليون صورة جزئية.
تضمنت العلامات التي وجدتها تقنية الذكاء الاصطناعي معيارًا تشخيصيًّا يُستخدم عالميًّا يتبع مقياس غليسون، ووجدت أيضًا علامات تتعلق بالأنسجة الضامة stroma في أماكن غير مسرطنة، وهو ما لم يكن الأطباء على علم به.
لتقييم العلامات التي وجدتها التقنية، قارن فريق البحث توقعات التقنية لعودة السرطان بالتوقعات البشرية، باستخدام العينات المتبقية التي لم يشملها البحث (وهو ما يُسمى التصديق الداخلي internal validation). أظهرت المقارنة أن العلامات التي اكتشفتها التقنية كانت أدق من العلامات البشرية للتشخيص متضمنةً مقياس غليسون.
أيضًا أدى الدمج بين علامات التقنية والمعايير البشرية إلى توقعات أدق من استخدام كل منهم على حدة. توصل الفريق إلى ذلك باستخدام عينة بيانات أخرى تضمنت 2,276 صورة مرضية كاملة (10 مليار صورة جزئية) من مستشفى ساينت ماريانا الجامعي ومستشفى آيشي الطبي الجامعي (وهو ما يُسمى التصديق الخارجي external validation).
يقول يماموتو: « كنت سعيدًا للغاية لاكتشاف أن الذكاء الاصطناعي يستطيع تشخيص السرطان بنفسه باستخدام صور مرضية غير مشروحة، ودُهشت حقًّا عندما وجد الذكاء الاصطناعي علامات يمكن استخدامها لتوقع عودة السرطان لم يتمكن الأطباء البشريون سابقًا من اكتشافها.
لقد أثبتنا أن الذكاء الصناعي يستطيع اكتساب معلومات يفهمها البشر من صور تشخيصية للأمراض حتى لو كانت خالية من أي حاشية تفسيرية. تستطيع هذه التقنية أن تفيد المرضى بتقديم توقعات عالية الدقة لاحتمالية نكس السرطان.
والمدهش أن جمع التوقعات البشرية مع توقعات الذكاء الصناعي يزيد من الدقة أكثر، ما يبرهن على أنه يمكن دمج الذكاء الصناعي مع خبرات الأطباء لتحسين الرعاية الصحية. أيضًا يمكن استخدام الذكاء الصناعي لاستكشاف خصائص الأمراض التي لم تُلاحظ سابقًا. ولأن عمل هذه التقنية لا يحتاج إلى التلقين البشري، يمكن استعمالها في مجالات غير طبية أيضًا».
اقرأ أيضًا:
يستطيع الذكاء الاصطناعي اليوم أن يفك تشفير الكلمات عن طريق أمواج الدماغ
السرطان المجهول البدئي: الأسباب والأعراض والتشخيص والعلاج
ترجمة: زهراء حدرج
تدقيق: غزل الكردي
مراجعة: أكرم محيي الدين
