تیمی از محققان در جریان تحقیقات خود درباره کارآیی هوش مصنوعی در درمان سرطان، به نتایج شگفت انگیزی دست یافته‌اند.
جی پلاس، به نقل از مدیکال اکسپرس، 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 آن‌ها آزمایش شده است.
باشگاه خبرنگاران جوان نوشت؛ تیمی از محققان به طور مستقیم ارزیابی‌های پزشک در مورد پرتودرمانی تولید شده توسط الگوریتم یادگیری ماشین هوش مصنوعی (ML) را با درمان‌های پرتوی معمولی تولید شده توسط انسان مقایسه کردند. آن‌ها دریافتند در بیشتر ۱۰۰ بیمار مورد مطالعه، درمان‌هایی که با استفاده از ML ایجاد شده‌اند از نظر بالینی برای درمان بیماران توسط پزشکان قابل قبول هستند.
به طور کلی ۸۹ ٪ از درمان‌های تولید شده ML از نظر بالینی برای درمان‌ها قابل قبول در نظر گرفته شد و در مقایسه با درمان‌های تولید شده توسط انسان ۷۲ ٪ کارآیی داشته است.
علاوه بر این فرآیند درمان با اشعه ML شصت درصد سریع‌تر از فرآیند مرسوم انسان محور بود و مدت زمان کلی را از ۱۱۸ ساعت به ۴۷ ساعت کاهش داد. در بلند مدت این روش می‌تواند صرفه جویی قابل توجهی در هزینه‌ها از طریق بهبود کارآیی داشته باشد، در عین حال کیفیت مراقبت‌های بالینی را نیز بهبود بخشد که یک برد نادر محسوب می‌شود. این مطالعه همچنین پیامد‌های گسترده‌تری برای AI در پزشکی دارد.
در حالی که درمان‌های ML در خارج از محیط بالینی مورد ارزیابی قرار می‌گرفت همانطور که در بیشتر کار‌های علمی انجام می‌شود، ترجیحات پزشک برای درمان‌های تولید شده با ML تغییر می‌کند، درصورتی که در درمان انتخابی، از ML یا از طریق روش انسانی برای معالجه بیمار استفاده می‌شود؛ در آن شرایط تعداد درمان‌های ML انتخاب شده برای درمان بیمار به میزان قابل توجهی کاهش یافته و باید مورد توجه تیم‌هایی که قصد استفاده از سیستم‌های AI با اعتبار نامناسب را دارند، قرار گیرد.
دکتر مکینتوش، دانشمند مرکز قلب پیتر مونک در انستیتوی تکنا، می‌گوید: ما نشان داده‌ایم که هوش مصنوعی برای درمان پرتودرمانی با هدف درمانی می‌تواند بهتر از تصور و قضاوت انسان در این باره عمل کند. در واقع می‌توان گفت به طرز شگفت آوری بسیار خوب عمل می‌کند. یک یافته مهم این است که چه اتفاقی می‌افتد زمانی که شما واقعا آن را در یک شرایط بالینی در مقایسه با یافته شبیه سازی شده مورد استفاده قرار می‌دهید؟
دکتر پوردی، فیزیکدان پزشکی مرکز سرطان پرنسس مارگارت اضافه می‌کند: هنگامی که شما درمان‌های تولید شده ML را در دسترس افرادی قرار دهید که برای تصمیم گیری بالینی واقعی در مورد بیماران خود به آن تکیه می‌کنند، ممکن است کمتر به آن اعتماد کنند چرا که هنوز این روش متداول نشده است.
در این مطالعه از انکولوژیست‌های پرتودار خواسته شد تا دو روش مختلف پرتوی ML یا آن‌هایی که از طریق انسان تولید می‌شوند، با همان معیار‌های استاندارد در دو گروه از بیماران که از نظر مشخصات جمعیتی و ویژگی‌های 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 درمان‌های تولید شده توسط AI نسبت به افراد انسانی خود برتر و ارجح ارزیابی می‌شدند، از آن‌ها در درمان‌های واقعی استفاده می‌شد.
سرطان شناسان از اینکه پرتودرمانی توسط انسان یا ماشین طراحی شده است آگاهی نداشتند. درمان‌های ایجاد شده توسط انسان به صورت جداگانه برای هر بیمار طبق شیوه‌نامه 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 برنامه‌های پرتودرمانی از ۹۹ بیمار که قبلا در پرنسس مارگارت برای سرطان پروستات معالجه می‌شدند، انجام شد.
برای هر بیمار جدید، الگوریتم ML با استفاده از معیار‌های تشابه آموخته شده از هزاران ویژگی از تصاویر بیمار و اندام‌های مشخص شده و سالم که بخشی استاندارد از فرآیند پرتودرمانی است، به طور خودکار مشابه‌ترین بیماران را در پایگاه داده شناسایی می‌کند. با توجه به مدل ML از بیماران مشابه در پایگاه داده، درمان کامل برای یک بیمار جدید استنباط می‌شود.
اگرچه درمان‌های 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 درمان‌های تولید شده ML نسبت به انسان ۸۳ ٪ بود. این برای افرادی که به طور خاص برای درمان انتخاب شده بودند، قبل از درمان به ۶۱ درصد کاهش یافت.
دکتر پوردی می‌گوید: در این مطالعه ما می‌گوییم محققان باید به یک شرایط بالینی توجه کنند. اگر پزشکان احساس کنند مراقبت از بیمار در معرض خطر است، این ممکن است بر قضاوت آن‌ها تاثیر بگذارد حتی اگر درمان‌های ML کاملا ارزیابی و تایید شده باشد.
دکتر کانروی، فیزیکدان پزشکی پرنسس مارگارت تاکید کرد به دنبال این مطالعه بسیار موفق، اکنون از درمان‌های تولید شده ML در معالجه اکثر بیماران سرطانی پروستات در پرنسس مارگارت استفاده می‌شود. این موفقیت به دلیل برنامه ریزی دقیق، ادغام گام به گام منطقی در محیط بالینی و درگیر شدن بسیاری از ذینفعان در طول روند ایجاد یک برنامه قوی ML است.
او توضیح داد این برنامه به طور مداوم اصلاح شده و از متخصصان انکولوژی مشاوره می‌شود و نتایج چگونگی انعکاس دقت بالینی در درمان‌های ML با آن‌ها به اشتراک گذاشته شده است.
دکتر برلین، دانشمند کلینیک و آنکولوژی تشعشع در پرنسس مارگارت می‌گوید: 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 سایت‌های سرطان از جمله سرطان ریه و جانوران با هدف کاهش سمیت قلبی، یک اثر جانبی احتمالی درمان است.
