هوش مصنوعی به کمک تشخیص سرطان آمد

خانم موران می‌گوید: « بهترین زمان برای پیدا کردن نشانه‌های سرطان رحم، حدود پنج سال قبل از بروز هر نشانه‌ای است. در این صورت می‌توان میزان مرگ‌ومیر ناشی از آن را کنترل کرد.»د

دکتر دانیل هلر، مهندس زیست پزشکی در مرکز سرطان مموریال اسلون–کترینگ در نیویورک است و تیم او در حال طراحی تکنولوژی جدیدی است که در آن از نانو تیوب‌ها (ریزلوله‌ها) – لوله‌های فوق‌العاده ریز کربنی که قطر آن‌ها ۵۰۰۰۰ بار کوچک‌تر از موی انسان است- استفاده می‌کنند.

حدود ۲۰ سال پیش دانشمندان نانو تیوب‌هایی را کشف کردند که می‌توانند نور فلورسنت از خود منتشر کنند.

در دهه گذشته، محققان یاد گرفتند چطور مشخصات این نانو تیوب‌ها را تغییر دهند تا بتوانند تقریباً به هرچه در خون است واکنش نشان دهند.

حالا این امکان وجود دارد که بتوان میلیون‌ها نانو تیوب را در یک نمونه آزمایش خون قرار داد، نورهایی با امواج مختلف به آن تاباند تا دید چه چیزی به آن‌ها چسبیده است.

آنچه در این فرآیند کامل نشده است، تفسیر کردن سیگنال نوری است که بازتابیده می‌شود. دکتر هلر این کار را به یافتن اثرانگشت تفسیر می‌کند.

در این مورد، اثر انگشت در واقع الگوی اتصال مولکول‌ها به سنسورها است. اینکه با چه حساسیتی و چه میزان قدرت اتصال دارند.

اما این الگوها بسیار ظریف‌تر از آن هستند که برای انسان‌ها قابل‌تشخیص باشند.

او می‌گوید: «ما می‌توانیم داده‌های آن را به دست بیاوریم اما هیچ‌چیز از آن نمی‌فهمیم. فقط می‌توانیم این الگوها را ببینیم اما برای هوش مصنوعی چنین نیست.»

برای رمزگشایی داده‌های نانو تیوب‌ها باید آن‌ها را در یک الگوریتم یادگیری ماشینی بارگذاری کرد. بعد باید به الگوریتم یاد داد کدام نمونه‌ها متعلق به یک بیمار مبتلا به سرطان رحم و کدام نمونه‌ها از فردی بدون سرطان رحم است.

نمونه‌های بدون سرطان رحم، می‌تواند شامل دیگرگونه‌های سرطان یا دیگر بیماری‌های مخصوص زنان باشد که گاهی با سرطان رحم اشتباه گرفته می‌شوند.

بزرگ‌ترین چالش سر راه محققان در استفاده از هوش مصنوعی برای آزمایش خون تشخیص سرطان رحم این است که این سرطان نسبتاً نادر است و به همین دلیل داده‌های کمی برای آموزش دادن الگوریتم‌ها وجود دارد.

و بیشتر این داده‌ها در بیمارستان‌هایی است که فرد در آن تحت درمان بوده و این بیمارستان‌ها داده‌های بیماران را به میزان محدودی با محققان به اشتراک می‌گذارند.

دکتر هلر می‌گوید آموزش دادن به الگوریتم با داده‌های موجود که فقط شامل ۱۰۰ بیمار است کمی مانند تیر در تاریکی پرتاب کردن است.

اما او می‌گوید حتی با همین داده‌های محدود هم توانسته‌اند دقت بالاتری از آنچه بیشتر بیومارکرهای( نشانگرها) سرطان در آزمایش‌های رایج فعلی نشان می‌دهند، به دست آورند و این تازه اولین تلاش آن‌ها بوده است.

آن‌ها هنوز در حال مطالعه بیشتر هستند تا ببینند آیا می‌توان با استفاده از سنسورهای بزرگ‌تر و داده‌هایی از بیماران بیشتر، این سیستم را بهبود بخشید. داده‌های بیشتر می‌تواند الگوریتم را بهتر کند. درست همان‌طور که الگوریتم اتومبیل‌های بدون راننده، با آزمایش در خیابان‌های واقعی، پیشرفت می‌کند.

دکتر هلر آرزوهای بزرگی در مورد این تکنولوژی دارد.

او می‌گوید: «آنچه واقعاً دوست داریم انجام دهیم تریاژ و اولویت‌بندی بیماران بر اساس تمام انواع بیماری‌های زنانه است. به این صورت که وقتی بیماری با ناراحتی زنانه نزد پزشک می‌رود، پزشک ابزار تشخیصی دست داشته باشد که بتواند به‌سرعت به بیمار بگوید آیا نشانه‌هایش به سرطان ربط دارد یا نه و اگر سرطان است کدام سرطان است.»

دکتر هلر می‌گوید رسیدن به چنین دستاوردی می‌تواند سه تا پنج سال طول بکشد.

استفاده از هوش مصنوعی تنها در آزمایش‌های خون سرطان مفید نیست. استفاده از آن، آزمایش‌های خون دیگر را هم سریع‌تر کرده است.

ابتلا به ذات‌الریه می‌تواند برای بیماران مبتلا به سرطان کشنده باشد. ۶۰۰ هزار ارگانیسم مختلف می‌تواند عامل ایجاد ذات‌الریه باشند و معمولاً پزشکان باید چندین آزمایش انجام دهند تا منشا عفونت را پیدا کنند.

اما انواع جدید آزمایش‌های خون می‌توانند این فرآیند را سریع‌تر و ساده‌تر کنند.

شرکت کاریوس که در کالیفرنیا قرار دارد، از هوش مصنوعی استفاده می‌کند تا در ۲۴ ساعت عامل ایجاد کننده عفونت ذات‌الریه و آنتی‌بیوتیک مناسب برای آن را پیدا کند.

الک فورد، مدیر اجرایی شرکت کاریوس می‌گوید: «قبل از روش آزمایش ما، بیماری که ذات‌الریه داشت باید در هفته اول در بیمارستان ۱۵ تا ۲۰ آزمایش انجام می‌داد تا منشا ذات‌الریه‌اش مشخص شود. این مقدار آزمایش حدود ۲۰ هزار دلار هزینه داشت.»

شرکت کاریوس بانک داده‌هایی از اطلاعات دی ان ای میکروبی دارد که در آن ده‌ها میلیارد داده وجود دارد. نمونه خون بیماران با داده‌های بانک اطلاعاتی مقایسه می‌شود تا عامل بیماری‌زایی که دقیق‌ترین تشابه را دارد تشخیص داده شود.

آقای فورد می‌گوید این کار بدون استفاده از هوش مصنوعی غیرممکن بود.

یک چالش برای دانشمندان این است که آن‌ها نمی‌توانند مانند هوش مصنوعی رابطه بین بیومارکرهای دیده‌شده در آزمایش خون و بیماری‌ که آن را ایجاد کرده است تشخیص دهند.

در دو سال گذشته دکتر اسلاو پتروفسکی یک پلتفرم هوش مصنوعی به نام میلتون راه‌اندازی کرده است که با استفاده از بیومارکر داده‌های بیو بانک بریتانیا می‌تواند ۱۲۰ بیماری را با دقت ۹۰ درصد تشخیص دهد.

تشخیص الگوها در چنین گستره‌ای از داده‌ها کاری است که هوش مصنوعی می‌تواند انجام دهد.

دکتر پتروفسکی که محققی در غول داروسازی آسترازنکا است، می‌گوید: «اینها اغلب الگوهای پیچیده‌ای هستند که ممکن است یک بیومارکر نداشته باشند و باید بتوان تمام الگوها را در نظر گرفت.»

دکتر هلر هم از سیستم مقایسه الگویی مشابهی در تحقیقات سرطان رحم خود استفاده می‌کند.

او می‌گوید: «ما میدانیم که سنسورها به پروتئین‌های خاص بسیار کوچکی در خون متصل می‌شوند و به آن‌ها واکنش نشان می‌دهند. اما ما نمی‌دانیم کدام پروتئین‌ها یا مولکول‌ها مختص سرطان هستند.»

یکی از موانع سر راه، داده‌های بسیار کلی یا نبود داده است.

خانم موران می‌گوید: «مردم داده‌های خود را به اشتراک نمی‌گذارند و مکانیسم‌هایی برای انجام این کار وجود ندارد.»

خیریه اوکرا در حال ایجاد و تامین بودجه برای یک مرکز بزرگ ثبت اطلاعات بیماران است. قرار است در این مرکز سوابق پزشکی الکترونیکی بیمارانی که به محققان اجازه داده‌اند از اطلاعات آن‌ها برای آموزش الگوریتم‌ها استفاده شود، جمع‌آوری شود.

خانم موران می‌گوید: «هنوز روزها اول است و ما هنوز در دوران غرب وحشی هوش مصنوعی هستیم.»