پس از ظهور رایانش ابری، هوش مصنوعی برگی جدیدی از تشخیص و درمان بیماریها را رو کرد که بسیار امیدآفرین بود. در این مقاله به کاربرد هوش مصنوعی در تشخیص سرطان پرداختهایم که میتواند نویدبخش سلامت بیشتر و دنیایی بهتر باشد.
هوش مصنوعی چیست؟
تا به امروز، هوش مصنوعی، کمکهای شایانی به راحتی زندگی بشر کرده است. برای آشنایی هرچه بیشتر با این پدیده، مقاله هوش مصنوعی در صنعت را مطالعه نمایید.به عنوان مثال تلفنهای هوشمند، رباتهای مسیریاب، رباتهای بازارهای مالی، رباتهای پاسخگو و یا حتی رباتهایی که با توجه به سابقه جستجویمان در اینستاگرام، پستهای مرتبط را به ما نشان میدهند، همگی در راستای آسایش بشر تلاش میکنند.
در همین بلاگ مقالهای به نام کاربرد هوش مصنوعی در صنعت کشاورزی موجود است که با خواندن آن به اهمیت استفاده از هوش مصنوعی در توسعه کشاورزی و سلامت بشر پی خواهید برد.اما هوش مصنوعی تنها برای رفاه حال ما به وجود نیامده است، بلکه نجات جان انسان نیز از اهداف آن به شمار میآید.در این مقاله به کاربرد هوش مصنوعی در تشخیص سرطان میپردازیم. همچنین به تاثیر این نوع از درمان در نقش پاتولوژیستها نیز اشاراتی کردهایم.اما قبل از پرداختن به هوش مصنوعی و سرطان، تعریف مختصری از هوش مصنوعی، یادگیری ماشین و یادگیری عمیق آوردهایم:
هوش مصنوعی یا Artificial Intelligence (AI):
هوش مصنوعی، کامپیوتری است که به گونهای طراحی میشود که مانند یک انسان فکر و عمل کند.درواقع انسانها در حال کدگذاری و برنامهریزی برای الگوریتمهایی هستند که به کامپیوتر بگوید چگونه مانند یک انسان و یا حتی بهتر از انسان عمل کند، استدلال کند و یاد بگیرد.این فناوری بر پایه رایانش ابری و کارتهای گرافیکی بنا شده است. دو شرکت Nvidia و AMD قویترین واحدهای پردازنده کارتهای گرافیکی(GPU) را در جهان تولید میکنند.
یادگیری ماشین یا Machine Learning (ML):
یادگیری ماشین نوعی از هوش مصنوعی است که باعث میشود تا کامپیوتر بدون دخالت انسان از دادههای مختلف بیاموزد. این دادهها میتوانند متن، فیلم، عکس و… باشند. هر چه این فناوری در معرض داده های بیشتری قرار بگیرد، در طول زمان عملکرد بهتری خواهد داشت.
یادگیری عمیق یا Deep Learning (DL):
یادگیری عمیق زیرمجموعه ای از ML است که از شبکه های عصبی مصنوعی ساخته شده است. این شبکه بر اساس نحوه پردازش مغز انسان عمل میکند و میتواند حجم عظیمی از اطلاعات را طبقهبندی و مدلسازی کند.برای آشنایی بیشتر با یادگیری ماشین و یادگیری عمیق، مقاله یادگیری ماشین را مطالعه نمایید.
کاربرد هوش مصنوعی در تشخیص سرطان
هوش مصنوعی در تشخیص دادهها در حجم زیاد، استخراج روابط بین آنها و کشف ویژگیهای پیچیدهای که توسط مغز انسان قابل درک نیست، برتری دارد. به همین دلیل هرروز بیشتر از روز قبل در تشخیص و درمان بیماریها به کار میرود.طبق گفته موسسه ملی سرطان، هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق همگی می توانند برای بهبود، مراقبت از سرطان و درمان بیمار مورد استفاده قرار بگیرند.در ادامه چند مورد از کاربردهای هوش مصنوعی در تشخیص و درمان سرطان را بیان کرده ایم:
استفاده از هوش مصنوعی در تشخیص سرطان روده بزرگ:
محققان دانشگاه تولین دریافتهاند که هوش مصنوعی میتواند سرطان روده بزرگ را با آنالیز اسکنهای بافتی به خوبی و یا حتی بهتر از پاتولوژیستها (آسیبشناسان) تشخیص دهد.این محققان بیش از 13000 تصویر از سرطان روده بزرگ را از 8803 بیمار و 13 مرکز مستقل سرطان در چین، آلمان و ایالات متحده جمع آوری کردهاند. سپس، با استفاده از این تصاویر، یک برنامه یادگیری ماشینی ساختهاند.این برنامه می تواند سرطان روده بزرگ را که بر اساس آمار، یکی از شایع ترین علل مرگ و میر در اروپا و ایالات متحده است را با امتیاز 0.98، تشخیص دهد. این در حالی است که دقت تشخیص پاتولوژیستها 0.96 امتیاز گرفته است.
کاربرد هوش مصنوعی در تشخیص سرطان پستان:
همانگونه که قبلا اشاره شد، هوش مصنوعی نه تنها به فرآیند تشخیص سرعت میبخشد، بلکه دقت تشخیص را نیز افزایش میدهد.محققان در دانشگاه نیویورک موفق به ساخت یک برنامه هوش مصنوعی شدهاند که قادر است از میان هزاران تصویر اولتراسوند پستان، تصویر سرطانی را تشخیص دهد.با انجام این روش برروی 44755 نمونه آزمایش سونوگرافی، مشخص شد که دقت تشخیص رادیولوژیستها تا 37 درصد افزایش مییابد.
تراکم خوشخیم و یا غده بدخیم سرطان سینه؟
همان ابزار هوش مصنوعی که توسط دانشگاه نیویورک ساخته شده است قادر به کاهش 27 درصدی تعداد نمونههای بافت و بیوپسیهای لازم برای تأیید تومور است.از آنجایی که بافت سینه زنان به سه نوع متراکم، معمولی و چرب طبقهبندی میشود، آزمایش ماموگرافی در بسیاری از مواقع در تشخیص بافت متراکم و خوشخیم سینه از غده بدخیم دچار خطا میشد.از طرفی زنان با بافت سینه متراکم، سه تا شش برابر زنان با سینه چرب، و دو برابر زنان با بافت سینه معمولی در معرض ابتلا به سرطان هستند.
بنابراین پیشرفت این فناوری در تشخیص دقیق سرطان سینه بسیار حائز اهمیت است.دکتر کریستوف گراس، محقق ارشد این مطالعه گفت:«مطالعه ما نشان میدهد که چگونه هوش مصنوعی میتواند به رادیولوژیستهایی که معاینات اولتراسوند پستان را میخوانند، کمک کند تا تنها مواردی را که نشانههای واقعی سرطان سینه را نشان میدهند را تشخیص دهند و از تأیید بیوپسی در مواردی که به نظر میرسد خوشخیم هستند، اجتناب کنند.»
پیش بینی سرطان سینه:
مدلهای پیشبینی به یک عنصر حیاتی در درمان سرطان تبدیل شدهاند. با شناسایی عوامل خطرناک، مدلهای پیشبینیکننده میتوانند احتمال ابتلای فرد به سرطانهای خاص را تعیین کنند. سپس متخصصان پزشکی می توانند بیماران را تشویق کنند تا در استراتژیهای مراقبت پیشگیرانه شرکت کنند.به گفته محققان دانشگاه هاوایی، یادگیری عمیق میتواند بین ماموگرافی زنانی که بعداً به سرطان سینه مبتلا میشوند و زنانی که به سرطان سینه مبتلا نمیشوند، تمایز قائل شود.اگرچه قبل از این با سنجش تراکم سینه میشد تا حدودی خطر ابتلا به سرطان سینه را پیشبینی کرد، اما محققان دانشگاه هاوایی به دنبال روش دقیقتری بودند.
دکتر جان آ. شپرد، سرپرست تیم تحقیق، در بیانیه مطبوعاتی گفت:«روشهای مرسوم ارزیابی خطر سرطان پستان با استفاده از عوامل خطر بالینی چندان مؤثر نبوده است. ما فکر میکردیم که در تصویر چیزی بیش از تراکم سینه وجود دارد که برای ارزیابی خطر مفید است.»وی در ادامه افزود: «نتایج آزمایشاتمان نشان داد که سیگنال اضافی که ما با هوش مصنوعی دریافت میکنیم، تخمین بهتری از خطر ابتلا به سرطان، نسبت به غربالگری ارائه میدهد. این به ما کمک کرد تا هدف بعدی خود را بر روی پیشبینی و طبقه بندی زنان به سرطان پستان خطر کم یا پرخطر بگذاریم.»
بهرهوری از هوش مصنوعی درمان سرطان پروستات
پس از تشخیص سرطان، مرحله درمان مهمترین بخش است. این درمان میتواند با پیشبینی نحوه درمان موثرتر واقع شود. امروزه هوش مصنوعی قادر است تا با بررسیهای ژنتیکی، بهترین گزینه دارویی را به بیماران ارائه دهد.سرطان پروستات در میان مردان، بسیار شایع است. این بیماری تهاجمی باعث مرگ ومیر دوسوم بیماران پروستاتی است. گاهی استفاده از داروهای متنوع نه تنها باعث بهبود بیمار نمیگردد بلکه عوارض جانبی متفاوتی نیز ایجاد میکنند.
محققان دانشگاه هاروارد توانستهاند با بررسی 22 ژن فعال در تومورهای پروستاتی و تجزیه و تحلیل RNA استخراج شده از نمونه بیوپسی های بیماران، یک برنامه یادگیری عمیق به منظور تجویز مناسبترین دارو به بیماران پروستاتی طراحی کنند.تمام این موارد گوشهای از پیشرفت علم در تشخیص و درمان سرطان است. کاربرد هوش مصنوعی در تشخیص سرطان دهانه رحم، ریه، سلولهای مغزی و… نیز به اثبات رسیده است.اما چیزی که در ورای هوش مصنوعی باعث این حجم از فضای اطلاعاتی میشود، رایانش ابری نام دارد. در ادامه به توضیح کوتاهی از کاربرد رایانش ابری در هوش مصنوعی در دنیای پزشکی میپردازیم.
نقش رایانش ابری در کاربرد هوش مصنوعی در تشخیص سرطان
رایانش ابری روش بینظیری برای افزایش کیفیت و کمیت منابع کامپیوتری است. با استفاده از این روش، افراد به حجم عظیمی از GPU، CPU، رم، فضای ذخیرهسازی، مجازیسازی و سایر منابع موجود در قویترین سرورها دسترسی دارد.تمام این ویژگیها یک مزیت دیگر به نام مقرونبهصرفه بودن نیز دارد. توضیحات مربوط به این پدیده جذاب را میتوانید در مقاله ابرعمومی مطالعه کنید. در ادامه به توضیح مفصل یکی از کاربردهای ابر مایکروسافت آژور در زمینه سرطان میپردازیم:
شرکت Geninus یک شرکت نوظهور کرهای است که در زمینه مراقبهای بهداشتی فعالیت میکند. این شرکت بر اساس تجزیه و تحلیل ژنتیکی و داده های بزرگ شکل گرفته است.ژنینوس از تکنیک های مختلفی از جمله بیوانفورماتیک یا انفورماتیک بیولوژیکی برای ارائه خدمات تشخیصی ژنوم استفاده میکند.یکی از موفقترین محصولات هوش مصنوعی شرکت ژنینوس، CancerSCAN نام دارد. از این محصول به عنوان اولین سرویس تشخیص ژنتیکی سرطان مبتنی بر توالی یابی نسل بعدی (NGS) یاد میشود.
نایونگ کیم، مدیر این شرکت کار خود را اینگونه بیان میکند:«ما ژنوم بیماران سرطانی را با CancerSCAN تجزیه و تحلیل می کنیم تا بهترین دارو را برای آنها پیدا کنیم. با این روش یک درمان سرطان شخصی ارائه میدهیم که آزمون و خطا و عوارض جانبی داروهای متناوب را کاهش می دهد. همچنین این برنامه به طور قابل توجهی هزینههای درمان و مراقبت های بهداشتی را کاهش می دهد.»
استفاده از ابر مایکروسافت آژور
وی در ادامه در رابطه با استفاده از رایانش ابری و تسریع پردازش داده ها با رایانش ابری میگوید:«میزان داده های ژنومی انسان حیرت انگیز است. DNA یک فرد شامل حدود 3 میلیارد جفت پایگاه است. تجزیه و تحلیل این حجم از اطلاعات به قدرت پردازشی عظیمی نیاز دارد.میزان پردازندههای مورد نیاز برای توسعه الگوریتمهای هوش مصنوعی (AI)، بهمنظور تجزیه و تحلیل ژنوم، به قدری بزرگ بود که پوشش آنها تنها با سرورهای خودمان امکان پذیر نبود.از طرفی نیز میدانستیم که ساخت سرورها و فضای ذخیرهسازی اختصاصی برای خودمان بسیار پرهزینه خواهد بود.
به همین دلیل به فناوری ابری Microsoft Azure Batch بهمنظور انجام وظایف محاسباتی فشرده مورد نیاز، برای توالییابی ژنوم، بدون نگرانی در مورد مدیریت زیرساخت سرورها و با کمترین هزینه روی آوردیم.همچنین با کمک پایگاه داده Microsoft Azure SQL و Microsoft Azure Storage توانستیم حجم عظیمی از داده ها را با بهترین سرعت و به طور مقرون به صرفه مدیریت کنیم.»وی همچنین ثبات، مقیاس پذیری و مدیریت انعطاف پذیر در رایانش ابری را از عوامل کلیدی در موفقیت پروژه دانسته است.در این مقاله درمورد کاربرد هوش مصنوعی در تشخیص سرطان پرداختیم. چنانچه اطلاعات دیگری میتوانید به این نوشته اضافه کنید، با ما در ارتباط باشید.
شرکت های استفاده کننده از هوش مصنوعی در تشخیص سرطان
Google Health
IBM Watson Health
PathAI
Enlitic
Tempus
Grail
Arterys
Aidoc
Zebra Medical Vision
Paige.AI
مزایای استفاده از هوش مصنوعی در تشخیص سرطان
دقت بالا:
هوش مصنوعی می تواند با دقت بالا و بدون خطا، سلول های سرطانی را تشخیص دهد و مشکلاتی که ممکن است توسط انسان ایجاد شوند را کاهش دهد.
تشخیص زودرس:
با استفاده از هوش مصنوعی، می توان سرطان را در مراحل ابتدایی تشخیص داد، که می تواند برای درمان موثرتر و با موفقیت بیشتر منجر شود.
افزایش سرعت تشخیص: هوش مصنوعی قادر است به سرعت بالا و موثری سلول های سرطانی را تشخیص دهد و به پزشکان اطلاع دهد، که می تواند زمان درمان و بهبود را کاهش دهد.
کاهش هزینه ها:
استفاده از هوش مصنوعی در تشخیص سرطان می تواند هزینه های دقیق تشخیص و درمان را کاهش دهد و به بیماران کمک کند که ایجاد هزینه های اضافی برای خودشان را از پس ندهند.
افزایش سطح توانمندی پزشکان:
با استفاده از هوش مصنوعی، پزشکان می توانند به تشخیص دقیق و سریع تری دست یابند و با استفاده از این تکنولوژی، تجربه و توانایی خود را در تشخیص سرطان افزایش دهند.
ژوپیتر لب ابر فردوسی
در حال حاضر شرکت رایانش ابری فردوسی با ارائه سرویس ژوپیتر لب با نازلترین قیمتها، گام بلندی در راستای پیشرفت هوش مصنوعی در ایران برداشته است. جهت استفاده کلیک نمایید: