هوش مصنوعی در تشخیص و درمان سرطان| آینده پزشکی و AI

سرطان یکی از بزرگ‌ترین چالش‌های دنیای پزشکی است؛ بیماری‌ای که هم بیماران و هم پزشکان را در مسیر درمان، با پیچیدگی‌های فراوانی روبه‌رو می‌کند. محققان همه روزه در تلاش هستند تا برای درمان و تشخیص آن راه حل های نوین و راهگشایی بیایند؛ در این مسیر اما علوم دیگر نیز در کنار دانش پزشکی  به دانشمندان کمک می‌کند یکی از جدیدترین و جذاب‌ترین این دانش‌های نوین استفاده از ابزارهای جدید تکنولوژی و اکنون از همه مهمم‌تر “هوش مصنوعی”. دیگر صحبت از آینده‌ای دور نیست؛ هوش مصنوعی همین حالا هم در حال تغییر چهره تشخیص و درمان سرطان است. از تحلیل تصاویر پیچیده‌ی پاتولوژی گرفته تا طراحی داروهای اختصاصی، AI پا به پای پزشکان در حال حرکت است. در اینجا، نگاهی می‌اندازیم به کاربردهای واقعی و پروژه‌هایی مهمی که نشان می‌دهند چطور هوش مصنوعی می‌تواند جان انسان‌ها را نجات دهد.

هوش مصنوعی و تشخیص سرطان

 دانشمندان به‌طور فزاینده‌ای از هوش مصنوعی (AI) و الگوریتم‌های machine learning برای تحلیل داده‌های ژنومیک، مدل‌سازی تشخیص و پزشکی دقیق در حوزه سرطان استفاده می‌کنند.

هوش مصنوعی با توانایی تحلیل و بررسی مقادیر زیادی تصاویر و داده‌های پزشکی الگو‌های مشکوک به سرطان را با دقتی بالاتر از انسان، شناسایی می‌کند. این سیستم می‌تواند با یادگیری از نمونه‌های قبلی و خطا آن‌ها را بررسی و داده‌های خود را بروز و خطا را کمتر کند. همچنین این سیستم می‌تواند با بررسی سوابق ژنتیکی بیمار می‌تواند احتمال و یا نشانه‌های اولیه بیماری را شناسایی و از آن پیشگیری کند. به‌طور مثال در اسکن‌های تصویری، هوش مصنوعی قادر است توده‌های غیرعادی را تشخیص داده و حتی شدت یا نوع سرطان را پیش‌بینی کند. این فناوری به پزشکان کمک می‌کند تا در زمان کوتاه‌تری تصمیم‌گیری کنند. در نهایت، تشخیص سریع‌تر به درمان زودتر و مؤثرتر منجر می‌شود. توسعه این سیستم می‌تواند برای بسیاری از بیماران بسیار امید بخش باشد زیرا دسترسی به امکانات و تجهیزات پیشرفته پزشکی در بسیاری از مناطق میسر نمی‌باشد و با استفاده از تکنولوژی هوش مصنوعی می توان به راحتی و در هر جا با وارد کردن تصاویر پزشکی از تشخیص و اطلاعات هوش مصنوعی استفاده کرد. استفاده از هوش مصنوعی این امکان را می دهد تا در بخش‌هایی چون شناسایی سلول‌های سرطانی، تعیین منشاء تومور، پیش‌بینی نتایج بیمار و شناسایی وجود ژن‌ها و الگوهای DNA عملکردی سریع‌تر و دقیق‌تری ارائه دهد.

با توسعه هوش مصنوعی و machine learning پروژه‌های مختلفی در این ضمینه در حال اجرا و توسعه می‌باشند که بیشتر آن‌ها در حیطه سرطان‌های شایع چون سرطان سینه‌، سرطان دهانه رحم، سرطان پروستات و…. کاربرد دارند.

براساس گزارش انتشار یافته از دانشگاه هاروارد پژوهشگران در حال توسعه مدلهوش مصنوعی همه‌کاره ای هستند که به مانند ChatGPT عمل کرده و دست‌کم توانایی شناسایی 19 نوع سرطان را دارد.

این مدل هوش مصنوعی با تحلیل اسلایدهای دیجیتالی از بافت تومور کار می‌کند؛ سلول‌های سرطانی را شناسایی کرده و پروفایل مولکولی تومور را بر اساس ویژگی‌های سلولی موجود در تصویر پیش‌بینی می‌کند این مدل همچنین قادر است به ویژگی‌های موجود در بافت اطراف تومور که به آن ریز‌محیط تومور گفته می‌شود را با پاسخ بیمار به درمان‌های استاندارد مثل جراحی، شیمی‌درمانی، پرتودرمانی و ایمنی‌درمانی مرتبط است، شناسایی کند.

آموزش این مدل به‌گونه‌ای بوده‌است که هم بتواند بخش‌های خاصی از تصویر را تحلیل کند و هم نمای کلی تصویر را ببیند. این رویکرد به این امکان را می‌دهد تا تصویر را به‌صورت جامع‌تر و در بستر بزرگ‌تری تحلیل کند وفقط تمرکز روی یک ناحیه خاص نباشد. تیم تحقیقاتی عملکرد این هوش مصنوعی را بر روی بیش از ۱۹٬۴۰۰ تصویر تمام‌اسلایدی آزمایش کرده است که از ۳۲ مجموعه داده مستقل از ۲۴ بیمارستان و گروه بیمارانی از سراسر جهان گردآوری گشته‌اند.

باید به این نکته هم اشاره کرد که هوش‌مصنوعی تنها در تشخیص سرطان کارایی نداشته بلکه در پروسه پژوهش در حوضه این بیماری و شناخت بهتر آن وهمچنین در تهیه دارو و راهکارهای درمانی نیز بسیار کار آمد بوده و برای پژوهشگران بسیار کمک کننده بوده‌است. به‌طور مثال در چارچوب همکاری بین مؤسسه ملی سرطان (NCI) و وزارت انرژی ایالات متحده، پژوهشگران از هوش مصنوعی برای شبیه‌سازی رفتار اتمی پروتئین RAS، که یکی از رایج‌ترین پروتئین‌های جهش‌یافته در سرطان است، استفاده می‌کنند. درک بهتر چگونگی تعامل RAS با دیگر پروتئین‌ها می‌تواند به دانشمندان کمک کند راه‌های جدیدی برای هدف‌گیری جهش‌های سرطان‌زا در ژن RAS پیدا کنند.

مدل‌های زبانی بزرگ برای پایش پرونده‌های سلامت الکترونیک به پژوهشگران کمک می‌کنند تا عوامل اجتماعی مؤثر بر سلامت را که ممکن است برای پیشگیری، تشخیص و درمان سرطان حیاتی باشند، بهتر درک کنند. الگوریتم‌های یادگیری عمیق مبتنی بر داده‌های بیماری در سطح جمعیتی برای پیش‌بینی خطر ابتلا به سرطان  می‌تواند مسیر را برای تشخیص زودهنگام هموار کند و در سطح بهداشت جمعی و جهانی نیز اثر بخشی بسزایی داشته باشد.

هوش مصنوعی فرصتی بی‌سابقه برای پیشرفت سریع در درک زیست‌شناسی سرطان و بهینه‌سازی مراقبت از بیماران ایجاد کرده است. با این حال، این امر در حال توسعه می‌باشد اما پژوهشگران بسیار امیدوارند تا با توسعه روزافزون تکنولوژی و دانش این فناوری بتواند در اختیار همگان قرار بگیرد تا  درمان و بهبود بیماران کمک کننده باشد.