ปัญญาประดิษฐ์อาจเป็นอนาคตของการวินิจฉัยมะเร็งได้หรือไม่?

ในการศึกษาล่าสุดนักวิจัยได้ฝึกฝนอัลกอริทึมเพื่อแยกความแตกต่างระหว่างรอยโรคที่เป็นมะเร็งและไม่เป็นพิษเป็นภัยในการสแกนเนื้อเยื่อเต้านม

การศึกษาใหม่ถามว่าปัญญาประดิษฐ์สามารถปรับปรุงการวินิจฉัยโรคมะเร็งได้หรือไม่

ด้วยโรคมะเร็งกุญแจสำคัญในการรักษาที่ประสบความสำเร็จคือการพบ แต่เนิ่นๆ

แพทย์สามารถเข้าถึงการถ่ายภาพคุณภาพสูงได้และนักรังสีวิทยาที่มีความเชี่ยวชาญสามารถตรวจพบสัญญาณบ่งชี้ของการเจริญเติบโตที่ผิดปกติได้

เมื่อระบุได้แล้วขั้นตอนต่อไปคือการให้แพทย์ตรวจสอบว่าการเจริญเติบโตนั้นไม่เป็นพิษเป็นภัยหรือเป็นมะเร็ง

วิธีที่น่าเชื่อถือที่สุดคือการตรวจชิ้นเนื้อซึ่งเป็นขั้นตอนการบุกรุก

ถึงอย่างนั้นข้อผิดพลาดอาจเกิดขึ้นได้ บางคนได้รับการวินิจฉัยโรคมะเร็งโดยที่ไม่มีโรคในขณะที่บางคนไม่ได้รับการวินิจฉัยเมื่อเป็นมะเร็ง

ผลลัพธ์ทั้งสองทำให้เกิดความทุกข์ใจและสถานการณ์หลังอาจทำให้การรักษาล่าช้า

นักวิจัยมีความกระตือรือร้นที่จะปรับปรุงกระบวนการวินิจฉัยเพื่อหลีกเลี่ยงปัญหาเหล่านี้ การตรวจสอบว่ารอยโรคเป็นมะเร็งหรือไม่น่าเชื่อถือมากขึ้นและไม่จำเป็นต้องตรวจชิ้นเนื้อจะเป็นตัวเปลี่ยนเกม

นักวิทยาศาสตร์บางคนกำลังตรวจสอบศักยภาพของปัญญาประดิษฐ์ (AI) ในการศึกษาล่าสุดนักวิทยาศาสตร์ได้ฝึกฝนอัลกอริทึมที่มีผลลัพธ์ที่น่ายินดี

AI และ elastography

Ultrasound elastography เป็นเทคนิคการวินิจฉัยที่ค่อนข้างใหม่ซึ่งทดสอบความแข็งของเนื้อเยื่อเต้านม ทำได้โดยการสั่นของเนื้อเยื่อซึ่งจะทำให้เกิดคลื่น คลื่นนี้ทำให้เกิดความผิดเพี้ยนในการสแกนอัลตร้าซาวด์โดยเน้นที่บริเวณเต้านมที่คุณสมบัติแตกต่างจากเนื้อเยื่อรอบข้าง

จากข้อมูลนี้แพทย์สามารถระบุได้ว่ารอยโรคเป็นมะเร็งหรือไม่ร้ายแรง

แม้ว่าวิธีนี้จะมีศักยภาพมาก แต่การวิเคราะห์ผลลัพธ์ของอีลาสโตกราฟีนั้นใช้เวลานานมีหลายขั้นตอนและต้องใช้การแก้ปัญหาที่ซับซ้อน

เมื่อเร็ว ๆ นี้กลุ่มนักวิจัยจาก Viterbi School of Engineering ที่ University of Southern California ในลอสแองเจลิสถามว่าอัลกอริทึมสามารถลดขั้นตอนที่จำเป็นในการดึงข้อมูลจากภาพเหล่านี้ได้หรือไม่ พวกเขาตีพิมพ์ผลของพวกเขาในวารสาร วิธีการทางคอมพิวเตอร์ในกลศาสตร์และวิศวกรรมประยุกต์.

นักวิจัยต้องการดูว่าพวกเขาสามารถฝึกอัลกอริทึมเพื่อแยกความแตกต่างระหว่างรอยโรคมะเร็งและรอยโรคที่ไม่เป็นอันตรายในการสแกนเต้านมได้หรือไม่ ที่น่าสนใจคือพวกเขาพยายามที่จะบรรลุสิ่งนี้โดยการฝึกอัลกอริทึมโดยใช้ข้อมูลสังเคราะห์แทนที่จะสแกนของแท้

ข้อมูลสังเคราะห์

เมื่อถูกถามว่าเหตุใดทีมจึงใช้ข้อมูลสังเคราะห์ศ. อัสซาดโอเบอร์ไรผู้เขียนหลักกล่าวว่าขึ้นอยู่กับความพร้อมใช้งานของข้อมูลในโลกแห่งความเป็นจริง เขาอธิบายว่า“ ในกรณีของการถ่ายภาพทางการแพทย์คุณโชคดีถ้าคุณมีภาพ 1,000 ภาพ ในสถานการณ์เช่นนี้ซึ่งข้อมูลหายากเทคนิคประเภทนี้จึงมีความสำคัญ”

นักวิจัยได้ฝึกฝนอัลกอริทึมการเรียนรู้ของเครื่องซึ่งอ้างถึงว่าเป็นโครงข่ายประสาทเทียมแบบ deep convolutional โดยใช้ภาพสังเคราะห์มากกว่า 12,000 ภาพ

ในตอนท้ายของกระบวนการอัลกอริทึมมีความแม่นยำ 100% สำหรับภาพสังเคราะห์ ต่อไปพวกเขาย้ายไปที่การสแกนในชีวิตจริง พวกเขาสามารถเข้าถึงการสแกนเพียง 10 ครั้งโดยครึ่งหนึ่งพบรอยโรคที่เป็นมะเร็งและอีกครึ่งหนึ่งเป็นรอยโรคที่อ่อนโยน

“ เรามีอัตราความแม่นยำประมาณ 80% ต่อไปเราจะปรับแต่งอัลกอริทึมต่อไปโดยใช้ภาพในโลกแห่งความเป็นจริงมากขึ้นเป็นอินพุต”

ศ. อัสซาดโอบี

แม้ว่า 80% จะดี แต่ก็ยังไม่ดีพอ - อย่างไรก็ตามนี่เป็นเพียงจุดเริ่มต้นของกระบวนการ ผู้เขียนเชื่อว่าหากพวกเขาได้ฝึกฝนอัลกอริทึมกับข้อมูลจริงมันอาจแสดงให้เห็นถึงความแม่นยำที่ดีขึ้น นักวิจัยยังยอมรับว่าการทดสอบของพวกเขามีขนาดเล็กเกินไปที่จะทำนายความสามารถในอนาคตของระบบ

การเติบโตของ AI

ในช่วงไม่กี่ปีที่ผ่านมามีความสนใจในการใช้ AI ในการวินิจฉัยมากขึ้น ดังที่ผู้เขียนคนหนึ่งเขียนว่า:

“ AI กำลังถูกนำไปใช้อย่างประสบความสำเร็จในการวิเคราะห์ภาพในรังสีวิทยาพยาธิวิทยาและโรคผิวหนังด้วยความเร็วในการวินิจฉัยที่เกินและความแม่นยำในการเทียบเคียงผู้เชี่ยวชาญทางการแพทย์”

อย่างไรก็ตามศ. โอเบไรไม่เชื่อว่า AI จะสามารถแทนที่ผู้ปฏิบัติงานที่เป็นมนุษย์ได้ เขาอธิบายว่า“ [t] ฉันทามติทั่วไปคืออัลกอริทึมประเภทนี้มีบทบาทสำคัญในการเล่นรวมถึงจากผู้เชี่ยวชาญด้านการถ่ายภาพซึ่งจะส่งผลกระทบมากที่สุด อย่างไรก็ตามอัลกอริทึมเหล่านี้จะมีประโยชน์มากที่สุดเมื่อไม่ได้ทำหน้าที่เป็นกล่องดำ มันเห็นอะไรที่นำไปสู่บทสรุปสุดท้าย? อัลกอริทึมต้องสามารถอธิบายได้เพื่อให้ทำงานได้ตามที่ตั้งใจไว้”

นักวิจัยหวังว่าจะสามารถขยายวิธีการใหม่ในการวินิจฉัยมะเร็งชนิดอื่น ๆ ได้ เมื่อใดก็ตามที่เนื้องอกเติบโตขึ้นมันจะเปลี่ยนลักษณะการทำงานของเนื้อเยื่อทางร่างกาย ควรเป็นไปได้ที่จะสร้างแผนภูมิความแตกต่างเหล่านี้และฝึกอัลกอริทึมเพื่อระบุความแตกต่างเหล่านี้

อย่างไรก็ตามเนื่องจากมะเร็งแต่ละชนิดมีปฏิสัมพันธ์กับสภาพแวดล้อมที่แตกต่างกันดังนั้นอัลกอริทึมจึงจำเป็นต้องเอาชนะปัญหาต่างๆสำหรับแต่ละประเภท ศาสตราจารย์ Oberai กำลังทำงานเกี่ยวกับการสแกน CT ของมะเร็งไตเพื่อค้นหาวิธีที่ AI สามารถช่วยในการวินิจฉัยได้

แม้ว่านี่จะเป็นวันแรกสำหรับการใช้ AI ในการวินิจฉัยโรคมะเร็ง แต่ก็มีความหวังสูงสำหรับอนาคต