محققان در که بر مهندسی کامپیوتر و ، دو الگوریتم یادگیری ماشین ساخت که می تواند سرطان پانکراس را در آستانه بالاتری نسبت به استانداردهای تشخیصی فعلی تشخیص دهد. این دو مدل با هم برای ایجاد شبکه عصبی “PRISM” شکل گرفتند. این برای تشخیص آدنوکارسینوم مجرای پانکراس (PDAC)، شایع ترین شکل سرطان پانکراس طراحی شده است.
معیارهای استاندارد غربالگری PDAC در حال حاضر حدود ۱۰ درصد موارد را در بیمارانی که توسط متخصصان معاینه می شوند، تشخیص می دهد. در مقایسه، PRISM MIT توانست موارد PDAC را در ۳۵ درصد مواقع شناسایی کند.
در حین استفاده یک شاهکار کاملاً جدید نیست، PRISM MIT به دلیل نحوه توسعه آن متمایز است. شبکه عصبی بر اساس دسترسی به مجموعه های متنوعی از سوابق الکترونیکی واقعی سلامت از موسسات بهداشتی در سراسر ایالات متحده برنامه ریزی شده است. داده‌های سوابق سلامت الکترونیکی بیش از ۵ میلیون بیمار که به گفته محققان این تیم، از مقیاس اطلاعاتی که به یک مدل هوش مصنوعی در این زمینه تحقیقاتی خاص داده می‌شود، بهتر است. کای جیا گفت: «این مدل از داده‌های معمول بالینی و آزمایشگاهی برای پیش‌بینی‌های خود استفاده می‌کند و تنوع جمعیت ایالات متحده پیشرفت قابل‌توجهی نسبت به سایر مدل‌های PDAC است که معمولاً به مناطق جغرافیایی خاصی مانند چند مرکز مراقبت‌های بهداشتی در ایالات متحده محدود می‌شوند». MIT CSAIL نویسنده ارشد مقاله مذکور.
پروژه PRISM MIT بیش از شش سال پیش آغاز شد. انگیزه ایجاد الگوریتمی که بتواند PDAC را در مراحل اولیه تشخیص دهد ارتباط زیادی با این واقعیت دارد که اکثر بیماران در مراحل بعدی توسعه سرطان تشخیص داده می شوند – به ویژه حدود هشتاد درصد آنها خیلی دیر تشخیص داده می شوند.
هوش مصنوعی با تجزیه و تحلیل جمعیت شناسی بیمار، تشخیص های قبلی، داروهای فعلی و قبلی در برنامه های مراقبتی و نتایج آزمایشگاهی کار می کند. در مجموع، این مدل برای پیش‌بینی احتمال ابتلا به سرطان با تجزیه و تحلیل داده‌های پرونده سلامت الکترونیکی در کنار مواردی مانند سن بیمار و عوامل خطر خاص مشهود در سبک زندگی آنها کار می‌کند. با این حال، PRISM هنوز تنها قادر به تشخیص تعداد زیادی از بیماران با سرعتی است که هوش مصنوعی می تواند به توده ها برسد. در حال حاضر، فن آوری موظف است و بیماران منتخب در ایالات متحده. چالش لجستیکی مقیاس‌بندی هوش مصنوعی شامل تغذیه الگوریتم مجموعه‌های داده متنوع‌تر و شاید حتی پروفایل‌های سلامت جهانی برای افزایش دسترسی خواهد بود.
با این وجود، این اولین ضربه MIT در توسعه یک مدل هوش مصنوعی نیست که می تواند خطر سرطان را پیش بینی کند. به ویژه راهی برای آموزش مدل‌ها برای پیش‌بینی آن ایجاد کرد در میان زنانی که از سوابق ماموگرافی استفاده می کنند. در آن خط تحقیقات، کارشناسان MIT تأیید کردند، هرچه مجموعه داده‌ها متنوع‌تر باشد، هوش مصنوعی در تشخیص سرطان بهتر عمل می‌کند. و جمعیت ها توسعه مداوم مدل‌های هوش مصنوعی که می‌توانند احتمال ابتلا به سرطان را پیش‌بینی کنند، نه تنها در صورت شناسایی زودتر بدخیمی، نتایج را برای بیماران بهبود می‌بخشد، بلکه بار کاری را نیز کاهش می‌دهد. بازار هوش مصنوعی در تشخیص آنقدر آماده تغییر است که توجه تبلیغات بزرگ فناوری را برانگیخته است. که تلاش کرد یک برنامه هوش مصنوعی ایجاد کند که بتواند سرطان سینه را یک سال قبل تشخیص دهد.
این مقاله در ابتدا در Engadget در https://www.engadget.com/mit-experts-develop-ai-models-that-can-detect-pancreatic-cancer-early-222505781.html?src=rss منتشر شد.
منبع: https://www.engadget.com/mit-experts-develop-ai-models-that-can-detect-pancreatic-cancer-early-222505781.html?src=rss