فناوری هوش مصنوعی پیشبینی ریسک سرطان سینه را پیش از ظهور نشانههای قابل مشاهده انجام میدهد
در یک تحقیق جامع که بر روی بالغ بر صد هزار ماموگرام غربالگری انجام شد، محققان توانایی یک ابزار هوش مصنوعی را در شناسایی زنان با خطر بالای ابتلا به سرطان پستان فاصلهای ارزیابی کردند. سرطان فاصلهای به مواردی اطلاق میشود که در فاصله بین دو غربالگری مرتبا ماموگرام شناسایی میشود. نتایج این پژوهش در نشریه رادیولوژی منتشر شده است.
به نقل از بخش تکنولوژی پزشکی رسانه خبری تکنا، سرطانهای فاصلهای معمولاً نسبت به سرطانهایی که در حین غربالگری شناسایی میشوند، پیشآگهی نامساعدتری دارند. این نوع سرطانها معمولاً دارای ویژگیهای تهاجمیتر یا اندازه بزرگتری هستند. از این رو، فیونا جی گیلبرت، یکی از نویسندگان این تحقیق، بر لزوم کاهش تعداد این نوع سرطانها در هر برنامه غربالگری تاکید کرد.
گیلبرت و جاشوا دبلیو دی راثول، محقق اصلی پروژه، از یک پایگاه داده عظیم که مربوط به برنامه غربالگری سه ساله بریتانیا بود، بهره گرفتند. آنها از فناوری هوش مصنوعی برای شناسایی زنانی استفاده نمودند که به تصویربرداری تکمیلی برای کشف سرطانهای فاصلهای نیاز داشتند. گیلبرت اظهار داشت که غربالگری شخصیسازیشده به دقت ارزیابی خطر ابتلا به سرطان در یک بازه زمانی خاص وابسته است.
این مطالعه شامل ۱۳۴۲۱۷ ماموگرام غربالگری از تعداد مشابه زنان ۵۰ تا ۷۰ ساله بود که در میان آنها ۵۲۴ مورد سرطان فاصلهای شناسایی شد. ماموگرامهای دیجیتال منفی از طریق یک الگوریتم یادگیری عمیق به نام میرای مورد پردازش قرار گرفتند. این ابزار هوش مصنوعی یک امتیاز کلی برای خطر ابتلا به سرطان پستان فاصلهای تولید نمود و عمدتاً از دادههای خود ماموگرام، از جمله ویژگیهای تومور و تراکم پستان بهره گرفت.
امتیازهای خطر سهساله ارائه شده توسط این سیستم هوش مصنوعی به صورت گذشتهنگر توانست مقدار قابل توجهی از سرطانهای فاصلهای را پیشبینی کند. برای زنانی که در دستههای پرخطر ۱ درصد، ۵ درصد، ۱۰ درصد و ۲۰ درصد بالاتر بودند، این ابزار به ترتیب ۳.۶ درصد، ۱۴.۵ درصد، ۲۶.۱ درصد و ۴۲.۴ درصد از مجموع ۵۲۴ مورد سرطان فاصلهای را پیشبینی کرد.
راثول خاطرنشان کرد که نتایج نشان میدهد که مرور بیشتر ماموگرامها در ۲۰ درصد بالای امتیازدهی میتواند ۴۲.۴ درصد از سرطانهای فاصلهای را شناسایی نماید. این بدین معناست که میتوان از سیستم میرای برای شناسایی زنان جهت انجام تصویربرداری تکمیلی یا کاهش فاصله میان غربالگریها بهره گرفت. این رویکرد ممکن است به عنوان جایگزینی یا مکمل ارزیابی تراکم پستان عمل کند.
این ابزار هوش مصنوعی در پیشبینی سرطانهای فاصلهای طی سال اول پس از غربالگری، عملکردی برتر داشت. اگرچه این ابزار در زنانی که بافت پستان بسیار متراکم دارند، کارایی کمتری را نشان داد، اما عملکرد آن همچنان از ابزارهای پیشبینی خطر معمولی بهتر بود. هوش مصنوعی میتواند کمک شایانی به بهینهسازی برنامه غربالگری در کشورهایی نظیر بریتانیا نماید.
این بهینهسازی میتواند از طریق ارتقاء معیارهای انتخاب زنانی که از تصویربرداری تکمیلی مانند امآرآی یا ماموگرافی با کنتراست بهرهمند میشوند، میسر گردد. با این حال، گیلبرت به این نکته اشاره کرد که فراخوان ۲۰ درصد از زنان برای تصویربرداری تکمیلی نیازمند ایجاد ظرفیتهای قابل توجهی جهت ارائه این خدمات خواهد بود.
گامهای بعدی برای محققان شامل مقایسه ابزارهای موجود هوش مصنوعی پیشبینیکننده، انجام مدلسازی اقتصادی و ارزیابی مقرون به صرفگی است. آنها همچنین عزم دارند یک کارآزمایی بالینی برای شناسایی زنانی که بیشترین بهرهوری را از تصویربرداری تکمیلی خواهند داشت، راهاندازی نمایند. هدف نهایی شناسایی دقیق زنانی با خطر بالا در عین کاهش حجم تصویربرداریهای اضافی است.
