يمكن أن تعوض الذكاء الاصطناعي عن نقص الأشعة في مكافحة سرطان الثدي، لكنه ليس جاهزًا بعد

最近، فريق من الباحثين من كلية لندن الإمبراطورية وشركة جوجل للصحة قام بإنشاء نموذج رؤية حاسوبية يهدف إلى تشخيص حالات سرطان الثدي من الأشعة السينية. وفقًا لتقرير سي إن إن، تم تدريب النموذج على أشعة سينية لما يزيد عن 29 ألف امرأة، وعندما تم اختباره ضد ستة أشعة، تمكن النموذج من تفوق تقييمات الأطباء.

目前، يستخدم نظام الصحة الوطني في المملكة المتحدة قرارات اثنين من الأطباء لتشخيص سرطان الثدي من الأشعة السينية. إذا اختلف الأطباء، يتم استدعاء طبيب ثالث للاطلاع على الصور. بينما كان الأطباء لديهم إمكانية الوصول إلى سجلات المرضى الطبية، كان جهاز الذكاء الاصطناعي يعتمد فقط على الأشعة السينية لاتخاذ قراراته. على الرغم من هذا القيد، أثبت نموذج الذكاء الاصطناعي أنه على الأقل جيد مثل اثنين من الأطباء في تشخيص سرطان الثدي. في الواقع، أدى النموذج بشكل أفضل من طبيب واحد في الكشف عن سرطان الثدي. عند مقارنة معدلات الإيجابيات الكاذبة بين الذكاء الاصطناعي والأطباء، قام الذكاء الاصطناعي بتقليل معدلات الإيجابيات الكاذبة بمقدار 1.2٪. وفقًا لنتائج تقرير البحث، قام الذكاء الاصطناعي أيضًا بتقليل معدلات السلبيات الكاذبة (حيث يتم تجاهل حالة إيجابية حقيقية للسرطان) بمقدار 2.7٪.

أحد مؤلفي الورقة، مدير مركز إمبريال للبحث في السرطان، أرا دارزي، أشار إلى أن فريق البحث لم يتوقع أن نظامهم سوف يحقق نتائج جيدة جدًا. ومع ذلك، فإن دارزي متحمس إمكانية تحسين الإنتاجية والدقة فيما يتعلق بفحص السرطان.

سرطان الثدي هو ثاني أكثر أنواع السرطان انتشارًا عند النساء، ولكن يمكن تحسين النتائج بشكل كبير إذا تم تشخيص المرض في وقت مبكر. المشكلة هي أن برامج الفحص على نطاق واسع تحيد عن حوالي خمس حالات من كل خمس حالات، وفقًا لما ذكرته جمعية السرطان الأمريكية.

لهذا السبب، يأمل فريق البحث أن يتم تحسين نظامهم ويمكنه أن يتفوق على أفضل الأطباء. كما أشار فريق البحث إلى أن خوارزميتهم يمكن أن ت解决 نقص الأشعة. وفقًا لتقرير conducted بواسطة الكلية الملكية للأشعة، في المملكة المتحدة، سيكون هناك نقص في الأشعة يصل إلى 2000 طبيب أشعة بحلول عام 2023 إذا لم يتم اتخاذ إجراء لتصحيح الوضع.

然而، يعترف دارزي بأن النظام في هذه المرحلة لا يزال غير جاهز لاستخدامه كمراقب ثانوي. أدوات الذكاء الاصطناعي في مجال الرعاية الصحية غالبًا ما تفشل في تحقيق وعدها الأولي، بسبب عوامل معقدة لا يمكن محاكاتها بشكل كافٍ في التدريب. أحد القيود الكبيرة في الدراسة هو أن جميع الصور جاءت من نظام أشعة سينية واحد، وكانت الصور تفتقر إلى التنوع. وفقًا لتقارير قز، لم يكن لفريق البحث إمكانية الوصول إلى تفاصيل يمكن استخدامها لتحديد تنوع الصور في قاعدة البيانات، وبالتالي لا يمكن معرفة ما إذا كان النظام لا يزال دقيقًا عند طلب فحص أشعة سينية لنساء من أقلية.

تخطط جوجل لقضاء الوقت في معالجة التفاوت في البيانات التي يتم تدريب النموذج عليها قبل إتاحتها لشركاء الرعاية الصحية، مع هدف إنشاء قاعدة بيانات أكبر وأكثر شمولاً. سيتعين على النظام أيضًا أن يخضع لاختبارات سريرية قبل إتاحته للاستخدام في بيئات سريرية. تمتلك الخوارزميات التي طوّرها فريق البحث القدرة على تحسين نتائج الرعاية الصحية وحفظ الأرواح، ولكن فقط إذا تم اختبارها بدقة وصرامة.