چگونه هوش مصنوعی می تواند در مبارزه با سرطان سینه کمک کند

در سال 2020، 2.3 میلیون نفر مبتلا به سرطان سینه تشخیص داده شدند و 685000 نفر در سراسر جهان جان خود را از دست دادند. تشخیص زودهنگام سرطان کلیدی برای نتایج بهتر سلامت است. اما غربالگری ها کار فشرده ای هستند و بیماران اغلب انجام ماموگرافی و انتظار برای نتایج را استرس زا می دانند.

در پاسخ به این چالش‌ها، Google Health و Northwestern Medicine در سال 2021 در یک مطالعه تحقیقاتی بالینی همکاری کردند تا بررسی کنند که آیا مدل‌های هوش مصنوعی (AI) می‌توانند زمان تشخیص را در طول فرآیند غربالگری کاهش دهند، شکاف ارزیابی را کاهش دهند و تجربه بیمار را بهبود بخشند. این کار جزو اولین مطالعات تصادفی‌سازی و کنترل‌شده آینده‌نگر برای هوش مصنوعی در غربالگری سرطان سینه است و نتایج در اوایل سال ۲۰۲۳ منتشر خواهد شد.

در پشت این کار، دانشمندان و محققان در مبارزه با سرطان سینه متحد شده اند. ما با دکتر سانی یانسن، مدیر برنامه فنی در گوگل، و سالی فریدوالد، دکتر، رئیس بخش تصویربرداری پستان و زنان در دانشکده پزشکی فاینبرگ دانشگاه نورث وسترن، صحبت کردیم که چگونه امیدوارند این کار به ارائه دهندگان غربالگری کمک کند. سرطان را زودتر تشخیص دهید و تجربه بیمار را بهبود بخشد.

امیدوار بودید با این کار در مبارزه با سرطان سینه به چه چیزی برسید؟

دکتر یانسن: مانند بسیاری از ما، من می‌دانم که سرطان سینه چگونه می‌تواند بر خانواده‌ها و جوامع تأثیر بگذارد و تشخیص زودهنگام چقدر می‌تواند حیاتی باشد. تجربیات بسیاری از اطرافیانم بر کار من در این زمینه تأثیر گذاشته است. امیدوارم که هوش مصنوعی بتواند آینده غربالگری سرطان سینه را آسان‌تر، سریع‌تر، دقیق‌تر و در نهایت برای زنان در سراسر جهان در دسترس‌تر کند.

بنابراین ما به دنبال درک این موضوع بودیم که چگونه هوش مصنوعی می‌تواند تاخیرهای تشخیصی را کاهش دهد و با ساده‌سازی مراقبت‌ها در یک ویزیت، به بیماران کمک کند تا در اسرع وقت تشخیص‌ها را دریافت کنند. برای بیمارانی که یافته‌های غیرطبیعی در غربالگری دارند، تاخیر تشخیصی برای انجام آزمایش‌های تصویربرداری اضافی معمولاً چند هفته است در ایالات متحده اغلب، نتایج پس از آزمایش‌های تصویربرداری اضافی طبیعی است، اما این دوره انتظار می‌تواند اعصاب‌ساز باشد. علاوه بر این، بازگشت برای برخی از بیماران برای انجام آزمایش‌های تصویربرداری اضافی می‌تواند سخت‌تر باشد، که تأخیر را تشدید می‌کند و منجر به نابرابری در به موقع بودن مراقبت می‌شود.

دکتر فریدوالد: من افزایش تقاضا برای غربالگری ها و چالش ها در داشتن ارائه دهندگان کافی با آموزش های تخصصی لازم را پیش بینی می کنم. با استفاده از هوش مصنوعی، می‌توانیم بیمارانی را که هنوز در کلینیک هستند نیاز به تصویربرداری اضافی شناسایی کنیم. ما می توانیم مراقبت از آنها را تسریع کنیم و در بسیاری از موارد نیاز به مراجعه مجدد را برطرف کنیم. بیمارانی که علامت گذاری نشده اند همچنان مراقبت های لازم را دریافت می کنند. این به کارایی عملیاتی تبدیل می‌شود و در نهایت منجر به تشخیص سریع‌تر سرطان سینه در بیماران می‌شود. ما قبلاً می دانیم که هرچه درمان زودتر شروع شود، بهتر است.

باورهای اولیه شما در مورد استفاده از هوش مصنوعی برای شناسایی سرطان سینه چه بود؟ اینها با کار شما در این پروژه چگونه تغییر کرده است؟

دکتر یانسن: اکثر نشریات موجود در مورد هوش مصنوعی و سرطان سینه عملکرد هوش مصنوعی را به صورت گذشته نگر با مرور مجموعه داده های تاریخی تجزیه و تحلیل می کنند. در حالی که مطالعات گذشته نگر دارای ارزش زیادی هستند، آنها لزوما نحوه عملکرد هوش مصنوعی در دنیای واقعی را نشان نمی دهند. سالی در همان اوایل تصمیم گرفت که انجام یک مطالعه آینده نگر، گنجاندن هوش مصنوعی در جریان کار بالینی دنیای واقعی و اندازه‌گیری تأثیر آن مهم است. من مطمئن نبودم چه انتظاری داشته باشم!

دکتر فریدوالد: تشخیص به کمک رایانه (CAD)، که چند دهه پیش برای کمک به رادیولوژیست ها در شناسایی سرطان ها از طریق ماموگرافی توسعه یافت، ثابت کرده است که در برخی از محیط ها مفید است. به طور کلی، در ایالات متحده، CAD منجر به افزایش تشخیص سرطان نشده است. من نگران بودم که هوش مصنوعی از نظر کارایی شبیه به CAD باشد. با این حال، هوش مصنوعی داده ها را به روشی اساساً متفاوت جمع آوری می کند. من امیدوارم که با این اطلاعات جدید بتوانیم سرطان ها را زودتر با هدف نهایی نجات زندگی شناسایی کنیم.

این تحقیق در اوایل سال 2023 منتشر خواهد شد. در مورد آنچه آموختید چه چیزی الهام بخش و امیدوارکننده بود؟

دکتر یانسن: بیمارانی که به شرکت در مطالعه رضایت دادند به من الهام بخشیدند. پزشکان و دانشمندان باید تحقیقات با کیفیتی را در دنیای واقعی انجام دهند تا بتوان بهترین ایده ها را شناسایی کرد و به جلو برد و ما به بیماران به عنوان شرکای برابر در تحقیقات خود نیاز داریم.

دکتر فریدوالد: موافق! اشتها برای بهبود فرآیندهایمان و آسان‌تر کردن غربالگری و ایجاد اضطراب کمتر وجود دارد. من واقعاً معتقدم که اگر بتوانیم مراقبت از بیماران خود را ساده کنیم، استرس مرتبط با غربالگری را کاهش خواهیم داد و امیدوارم دسترسی کسانی را که به آن نیاز دارند بهبود ببخشیم.

علاوه بر این، هوش مصنوعی این پتانسیل را دارد که از اولویت بندی بیمارانی که به مراقبت نیاز دارند فراتر رود. با شناسایی آینده نگر بیمارانی که در معرض خطر بالاتر ابتلا به سرطان سینه هستند، هوش مصنوعی می تواند به ما کمک کند بیمارانی را که ممکن است به یک رژیم غربالگری دقیق تری نیاز داشته باشند، تعیین کنیم. من مشتاقانه منتظر همکاری با Google در این موضوع و سایر موضوعاتی هستم که در نهایت می توانند بقای سرطان را بهبود بخشند.