آیا هوش مصنوعی در درمان سرطان بهتر از انسان عمل می کند؟ - وبلاگ هیچکس

به گزارش وبلاگ هیچکس، تیمی از محققان در جریان تحقیقات خود درباره کارآیی هوش مصنوعی در درمان سرطان، به نتایج شگفت انگیزی دست یافته اند

تاثیر استقرار هوش مصنوعی (AI) هنگام پرتودرمانی در یک محیط بالینی دنیای واقعی توسط محققان پرنسس مارگارت در یک مطالعه منحصر به فرد با مشارکت پزشکان و بیماران آن ها آزمایش شده است.

تیمی از محققان به طور مستقیم ارزیابی های پزشک در مورد پرتودرمانی تولید شده توسط الگوریتم یادگیری ماشین هوش مصنوعی (ML) را با درمان های پرتوی معمولی تولید شده توسط انسان مقایسه کردند. آن ها دریافتند در بیشتر 100 بیمار مورد مطالعه، درمان هایی که با استفاده از ML ایجاد شده اند از نظر بالینی برای درمان بیماران توسط پزشکان قابل قبول هستند.

به طور کلی 89 ٪ از درمان های تولید شده ML از نظر بالینی برای درمان ها قابل قبول در نظر گرفته شد و در مقایسه با درمان های تولید شده توسط انسان 72 ٪ کارآیی داشته است.

علاوه بر این فرآیند درمان با اشعه ML شصت درصد سریع تر از فرآیند مرسوم انسان محور بود و مدت زمان کلی را از 118 ساعت به 47 ساعت کاهش داد. در بلند مدت این روش می تواند صرفه جویی قابل توجهی در هزینه ها از طریق بهبود کارآیی داشته باشد، در عین حال کیفیت مراقبت های بالینی را نیز بهبود بخشد که یک برد نادر محسوب می شود. این مطالعه همچنین پیامدهای گسترده تری برای AI در پزشکی دارد.

در حالی که درمان های ML در خارج از محیط بالینی مورد ارزیابی قرار می گرفت همانطور که در بیشتر کارهای علمی انجام می شود، ترجیحات پزشک برای درمان های تولید شده با ML تغییر می کند، درصورتی که در درمان انتخابی، از ML یا از طریق روش انسانی برای معالجه بیمار استفاده می شود؛ در آن شرایط تعداد درمان های ML انتخاب شده برای درمان بیمار به میزان قابل توجهی کاهش یافته و باید مورد توجه تیم هایی که قصد استفاده از سیستم های AI با اعتبار نامناسب را دارند، قرار گیرد.

دکتر مکینتوش، دانشمند مرکز قلب پیتر مونک در انستیتوی تکنا، می گوید: ما نشان داده ایم که هوش مصنوعی برای درمان پرتودرمانی با هدف درمانی می تواند بهتر از تصور و قضاوت انسان در این باره عمل کند. در واقع می توان گفت به طرز شگفت آوری بسیار خوب عمل می کند. یک یافته مهم این است که چه اتفاقی می افتد زمانی که شما واقعا آن را در یک شرایط بالینی در مقایسه با یافته شبیه سازی شده مورد استفاده قرار می دهید؟

دکتر پوردی، فیزیکدان پزشکی مرکز سرطان پرنسس مارگارت اضافه می کند: هنگامی که شما درمان های تولید شده ML را در دسترس افرادی قرار دهید که برای تصمیم گیری بالینی واقعی در مورد بیماران خود به آن تکیه می کنند، ممکن است کمتر به آن اعتماد کنند چرا که هنوز این روش متداول نشده است.

در این مطالعه از انکولوژیست های پرتودار خواسته شد تا دو روش مختلف پرتوی ML یا آن هایی که از طریق انسان تولید می شوند، با همان معیارهای استاندارد در دو گروه از بیماران که از نظر مشخصات جمعیتی و ویژگی های بیماری مشابه هستند ارزیابی کنند. یک گروه از بیماران قبلا تحت درمان قرار گرفته بودند؛ گروه دوم بیماران در شرف شروع پرتودرمانی بودند، بنابراین اگر درمان های تولید شده توسط AI نسبت به افراد انسانی خود برتر و ارجح ارزیابی می شدند، از آن ها در درمان های واقعی استفاده می شد.

سرطان شناسان از اینکه پرتودرمانی توسط انسان یا ماشین طراحی شده است آگاهی نداشتند. درمان های ایجاد شده توسط انسان به صورت جداگانه برای هر بیمار طبق شیوه نامه طبیعی توسط متخصص رادیوتراپی ایجاد شد. در مقابل هر درمان ML توسط یک الگوریتم رایانه آموزش داده شده در یک پایگاه داده با کیفیت بالا و بررسی شده از برنامه های پرتودرمانی از 99 بیمار که قبلا در پرنسس مارگارت برای سرطان پروستات معالجه می شدند، انجام شد.

برای هر بیمار جدید، الگوریتم ML با استفاده از معیارهای تشابه آموخته شده از هزاران ویژگی از تصاویر بیمار و اندام های مشخص شده و سالم که بخشی استاندارد از فرآیند پرتودرمانی است، به طور اتوماتیک مشابه ترین بیماران را در پایگاه داده شناسایی می کند. با توجه به مدل ML از بیماران مشابه در پایگاه داده، درمان کامل برای یک بیمار جدید استنباط می شود.

اگرچه درمان های تولید شده با ML در هر دو گروه بیمار دارای امتیاز بالایی بودند، اما نتایج در گروه قبل از درمان از گروه پس از درمان متفاوت بود. در گروه بیمارانی که قبلا تحت درمان قرار گرفته بودند، تعداد درمان های تولید شده ML نسبت به انسان 83 ٪ بود. این برای افرادی که به طور خاص برای درمان انتخاب شده بودند، قبل از درمان به 61 درصد کاهش یافت.

دکتر پوردی می گوید: در این مطالعه ما می گوییم محققان باید به یک شرایط بالینی توجه کنند. اگر پزشکان احساس کنند مراقبت از بیمار در معرض خطر است، این ممکن است بر قضاوت آن ها تاثیر بگذارد حتی اگر درمان های ML کاملا ارزیابی و تایید شده باشد.

دکتر کانروی، فیزیکدان پزشکی پرنسس مارگارت تاکید کرد به دنبال این مطالعه بسیار پیروز، اکنون از درمان های تولید شده ML در معالجه بیشتر بیماران سرطانی پروستات در پرنسس مارگارت استفاده می شود. این پیروزیت به دلیل برنامه ریزی دقیق، ادغام گام به گام منطقی در محیط بالینی و درگیر شدن بسیاری از ذینفعان در طول فرایند ایجاد یک برنامه قوی ML است.

او توضیح داد این برنامه به طور مداوم اصلاح شده و از متخصصان انکولوژی مشاوره می شود و نتایج چگونگی انعکاس دقت بالینی در درمان های ML با آن ها به اشتراک گذاشته شده است.

دکتر برلین، دانشمند کلینیک و آنکولوژی تشعشع در پرنسس مارگارت می گوید: ما در نحوه ادغام این امر در کلینیک پرنسس مارگارت بسیار منظم بودیم. ساخت این نرم افزار جدید، حدود شش ماه زمان برده است، اما تسهیل کارها و انجام همه مراحل کار، بیش از دو سال طول کشیده است.

این تیم همچنین در حال گسترش کار خود به سایر سایت های سرطان از جمله سرطان ریه و جانوران با هدف کاهش سمیت قلبی، یک اثر جانبی احتمالی درمان است.،خبر آنلاین